特表 2024-533143 動的チャットストリームのためのシステムおよび方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公表特許公報(A)

(11)【公表番号】

(43)【公表日】2024-09-12

(54)【発明の名称】動的チャットストリームのためのシステムおよび方法

(51)【国際特許分類】

   H04L 51/02 20220101AFI20240905BHJP

   G06F 16/907 20190101ALI20240905BHJP

   H04L 51/216 20220101ALI20240905BHJP

   G06Q 10/063 20230101ALI20240905BHJP

【ＦＩ】

H04L51/02

G06F16/907

H04L51/216

G06Q10/063

【審査請求】未請求

【予備審査請求】未請求

(21)【出願番号】P 2024513840

(86)(22)【出願日】2022-09-02

(85)【翻訳文提出日】2024-04-24

(86)【国際出願番号】 US2022075878

(87)【国際公開番号】W WO2023034949

(87)【国際公開日】2023-03-09

(31)【優先権主張番号】63/240,090

(32)【優先日】2021-09-02

(33)【優先権主張国・地域又は機関】US

(81)【指定国・地域】

(71)【出願人】

【識別番号】523371584

【氏名又は名称】ヨハナ・エルエルシー

(74)【代理人】

【識別番号】110003708

【氏名又は名称】弁理士法人鈴榮特許綜合事務所

(72)【発明者】

【氏名】マツオカ、ヨーキー

(72)【発明者】

【氏名】ビスワナタン、ニティン

(72)【発明者】

【氏名】リウ、リンイン

(72)【発明者】

【氏名】デミン、ベンジャミン

(72)【発明者】

【氏名】パターソン、ショーン

(72)【発明者】

【氏名】ファン・デア・リンデン、グウェンドリン・ダブリュ．

(72)【発明者】

【氏名】ボーリュー、マリア

(72)【発明者】

【氏名】シベレコグル、デフネ

【テーマコード（参考）】

5B175

5L010

【Ｆターム（参考）】

5B175FB03

5B175HA01

5B175JC04

5L010AA06

(57)【要約】

通信システム内に表示するタスクリマインダについて説明される。一実装形態は、メンバーデバイスおよび代理デバイスに関連するメッセージのセットを受信することと、メッセージのセットに関連する１つまたは複数のタスク推奨を含むタスクデータを生成するためにメッセージのセットを処理することと、ここにおいて、１つまたは複数のタスク推奨は、メンバーに代わって実施可能なタスクのセットに対応する、チャットインターフェース内のリアルタイムチャットフローを追跡することとを伴う。リアルタイムチャットフローは、１つまたは複数のタスク推奨に関連する１つまたは複数のリマインダの位置またはタイミングを選択するために、スケジューリングアルゴリズムを使用して、メッセージのセットのうちのメッセージが受信されたとき、リアルタイムで処理され、リマインダは、１つまたは複数のリマインダの位置またはタイミングを使用してチャットフロー内に自動的に挿入され、１つまたは複数のリマインダは、チャットフロー内に提示される。

【特許請求の範囲】

【請求項1】

コンピュータ実装方法であって、
メンバーデバイスおよび代理デバイスに関連するメッセージのセットを受信することと、ここにおいて、前記代理デバイスは、メンバーに代わってタスクの実施のために前記メンバーデバイスに関連する前記メンバーに割り当てられた代理に関連付けられる、
メッセージの前記セットに関連する１つまたは複数のタスク推奨を含むタスクデータを生成するために、メッセージの前記セットを処理することと、ここにおいて、前記１つまたは複数のタスク推奨は、前記メンバーに代わって実施可能なタスクのセットに対応する、
チャットインターフェース内のリアルタイムチャットフローを追跡することと、ここにおいて、メッセージの前記セットは、前記メンバーデバイスおよび前記代理デバイスを使用して前記チャットインターフェース内で交換される、
前記１つまたは複数のタスク推奨に関連する１つまたは複数のリマインダの位置またはタイミングを選択するために、スケジューリングアルゴリズムを使用して、メッセージの前記セットのうちのメッセージが受信されたとき、前記リアルタイムチャットフローをリアルタイムで処理することと、
前記１つまたは複数のリマインダの前記位置またはタイミングを使用して、前記リアルタイムチャットフロー内に前記１つまたは複数のリマインダを自動的に挿入することと、
前記メンバーデバイスの前記チャットインターフェース内に提示される前記リアルタイムチャットフロー内の前記１つまたは複数のリマインダの提示を容易化することと
を備えるコンピュータ実装方法。

【請求項2】

前記メンバーデバイスを含む複数のメンバーデバイスからメッセージを同時に受信することと、
関連するタスクデータを生成し、関連する代理デバイス上の関連するチャットストリームを更新するために、前記複数のメンバーデバイスからの前記メッセージを同時に処理することと
をさらに備える、請求項１に記載のコンピュータ実装方法。

【請求項3】

前記メンバーデバイスに関連するカレンダデータにアクセスすることをさらに備え、
ここにおいて、前記スケジューリングアルゴリズムは、前記１つまたは複数のリマインダの前記位置またはタイミングを選択するために、前記リアルタイムチャットフロー処理とともに前記カレンダデータをさらに使用する、請求項１に記載のコンピュータ実装方法。

【請求項4】

メッセージの前記セットのうちの１つまたは複数のメッセージとともにチャットインターフェースアクセスデータを受信することをさらに備え、ここにおいて、前記チャットインターフェースアクセスデータが前記メンバーデバイスから受信されたとき、前記チャットインターフェースアクセスデータは、前記メンバーデバイス上の前記チャットインターフェースの表示の日付および時間に関する情報を含む、
ここにおいて、前記スケジューリングアルゴリズムは、前記１つまたは複数のリマインダの前記位置またはタイミングを選択するために、前記リアルタイムチャットフロー処理とともに前記チャットインターフェースアクセスデータをさらに使用する、請求項１に記載のコンピュータ実装方法。

【請求項5】

チャットインターフェースアクセスデータを受信することをさらに備え、ここにおいて、前記チャットインターフェースアクセスデータが前記メンバーデバイスから受信されたとき、前記チャットインターフェースアクセスデータは、前記メンバーデバイス上の前記チャットインターフェースの提示のリアルタイム通知とともに受信され、ここにおいて、前記スケジューリングアルゴリズムは、前記１つまたは複数のリマインダの前記位置またはタイミングを選択するために、前記リアルタイムチャットフロー処理とともに前記チャットインターフェースアクセスデータをさらに使用する、
ここにおいて、前記１つまたは複数のリマインダの前記位置またはタイミングを使用して前記リアルタイムチャットフロー内に前記１つまたは複数のリマインダを自動的に挿入することは、前記メンバーデバイス上の前記チャットインターフェースの前記提示の前記リアルタイム通知に対する応答としてリアルタイムで実施される、請求項１に記載のコンピュータ実装方法。

【請求項6】

チャットインターフェースアクセス通知を受信することと、
前のチャットインターフェースアクセス通知以降の新しいチャットの数を決定することと、
前記スケジューリングアルゴリズムによって、最後のチャットフローアクセス以降の新しいチャットの前記数に基づいて、動的生成に関連する１つまたは複数のリマインダの前記位置またはタイミングを動的に選択することと
をさらに備える、請求項１に記載のコンピュータ実装方法。

【請求項7】

前記チャットインターフェースのリマインダ対話ユーザインターフェースからフィードバック表示を受信することと、ここにおいて、前記フィードバック表示は、前記１つまたは複数のリマインダに関連するタスク管理アプリケーションにおけるタスク更新通信を備える、
前記フィードバック表示に基づいて、前記メンバーデバイスのためのターゲット調整を用いて前記スケジューリングアルゴリズムを更新することと
をさらに備える、請求項１に記載のコンピュータ実装方法。

【請求項8】

メンバーおよび代理に関連するメッセージのセットを記憶するように構成されたメモリと、ここにおいて、前記代理は、前記メンバーに代わってタスクの実施のために前記メンバーに割り当てられる、
前記メモリに結合された１つまたは複数のプロセッサと
を備えるデバイスであって、前記１つまたは複数のプロセッサは、
メンバーデバイスおよび代理デバイスに関連するメッセージのセットを受信することと、ここにおいて、前記代理デバイスは、メンバーに代わってタスクの実施のために前記メンバーデバイスに関連する前記メンバーに割り当てられた代理に関連付けられる、
メッセージの前記セットに関連する１つまたは複数のタスク推奨を含むタスクデータを生成するために、メッセージの前記セットを処理することと、ここにおいて、前記１つまたは複数のタスク推奨は、前記メンバーに代わって実施可能なタスクのセットに対応する、
チャットインターフェース内のリアルタイムチャットフローを追跡することと、ここにおいて、メッセージの前記セットは、前記メンバーデバイスおよび前記代理デバイスを使用して前記チャットインターフェース内で交換される、
前記１つまたは複数のタスク推奨に関連する１つまたは複数のリマインダの位置またはタイミングを選択するために、スケジューリングアルゴリズムを使用して、メッセージの前記セットのうちのメッセージが受信されたとき、前記リアルタイムチャットフローをリアルタイムで処理することと、
前記１つまたは複数のリマインダの前記位置またはタイミングを使用して、前記リアルタイムチャットフロー内に前記１つまたは複数のリマインダを自動的に挿入することと、
前記メンバーデバイスの前記チャットインターフェース内に提示される前記リアルタイムチャットフロー内の前記１つまたは複数のリマインダの提示を容易化することと
を含む動作を実施するように構成される、デバイス。

【請求項9】

前記１つまたは複数のプロセッサは、
前記メンバーデバイスを含む複数のメンバーデバイスからメッセージを同時に受信することと、
関連するタスクデータを生成し、関連する代理デバイス上の関連するチャットストリームを更新するために、前記複数のメンバーデバイスからの前記メッセージを同時に処理することと
を備える動作のためにさらに構成される、請求項８に記載のデバイス。

【請求項10】

前記１つまたは複数のプロセッサが、前記メンバーデバイスに関連するカレンダデータにアクセスすることを備える動作のためにさらに構成され、
前記スケジューリングアルゴリズムは、前記１つまたは複数のリマインダの前記位置またはタイミングを選択するために、前記リアルタイムチャットフロー処理とともに前記カレンダデータをさらに使用する、請求項８に記載のデバイス。

【請求項11】

前記１つまたは複数のプロセッサは、
メッセージの前記セットのうちの１つまたは複数のメッセージとともにチャットインターフェースアクセスデータを受信することを備える動作のためにさらに構成され、ここにおいて、前記チャットインターフェースアクセスデータが前記メンバーデバイスから受信されたとき、前記チャットインターフェースアクセスデータは、前記メンバーデバイス上の前記チャットインターフェースの表示の日付および時間に関する情報を含む、
ここにおいて、前記スケジューリングアルゴリズムは、前記１つまたは複数のリマインダの前記位置またはタイミングを選択するために、前記リアルタイムチャットフロー処理とともに前記チャットインターフェースアクセスデータをさらに使用する、請求項８に記載のデバイス。

【請求項12】

前記１つまたは複数のプロセッサは、
チャットインターフェースアクセスデータを受信することを備える動作のためにさらに構成され、ここにおいて、前記チャットインターフェースアクセスデータが前記メンバーデバイスから受信されたとき、前記チャットインターフェースアクセスデータは、前記メンバーデバイス上の前記チャットインターフェースの提示のリアルタイム通知とともに受信され、ここにおいて、前記スケジューリングアルゴリズムは、前記１つまたは複数のリマインダの前記位置またはタイミングを選択するために、前記リアルタイムチャットフロー処理とともに前記チャットインターフェースアクセスデータをさらに使用する、
ここにおいて、前記１つまたは複数のリマインダの前記位置またはタイミングを使用して前記リアルタイムチャットフロー内に前記１つまたは複数のリマインダを自動的に挿入することは、前記メンバーデバイス上の前記チャットインターフェースの前記提示の前記リアルタイム通知に対する応答としてリアルタイムで実施される、請求項８に記載のデバイス。

【請求項13】

前記１つまたは複数のプロセッサは、
チャットインターフェースアクセス通知を受信することと、
前のチャットインターフェースアクセス通知以降の新しいチャットの数を決定することと、
前記スケジューリングアルゴリズムによって、最後のチャットフローアクセス以降の新しいチャットの前記数に基づいて、動的生成に関連する１つまたは複数のリマインダの前記位置またはタイミングを動的に選択することと
を備える動作のためにさらに構成される、請求項８に記載のデバイス。

【請求項14】

前記１つまたは複数のプロセッサは、
前記チャットインターフェースのリマインダ対話ユーザインターフェースからフィードバック表示を受信することと、ここにおいて、前記フィードバック表示は、前記１つまたは複数のリマインダに関連するタスク管理アプリケーションにおけるタスク更新通信を備える、
前記フィードバック表示に基づいて、前記メンバーデバイスのためのターゲット調整を用いて前記スケジューリングアルゴリズムを更新することと
を備える動作のためにさらに構成される、請求項８に記載のデバイス。

【請求項15】

命令を備える非一時的コンピュータ可読媒体であって、前記命令は、デバイスの１つまたは複数のプロセッサによって実行されたとき、前記デバイスに、
メンバーデバイスおよび代理デバイスに関連するメッセージのセットを受信することと、ここにおいて、前記代理デバイスは、メンバーに代わってタスクの実施のために前記メンバーデバイスに関連する前記メンバーに割り当てられた代理に関連付けられる、
メッセージの前記セットに関連する１つまたは複数のタスク推奨を含むタスクデータを生成するために、メッセージの前記セットを処理することと、ここにおいて、前記１つまたは複数のタスク推奨は、前記メンバーに代わって実施可能なタスクのセットに対応する、
チャットインターフェース内のリアルタイムチャットフローを追跡することと、ここにおいて、メッセージの前記セットは、前記メンバーデバイスおよび前記代理デバイスを使用して前記チャットインターフェース内で交換される、
前記１つまたは複数のタスク推奨に関連する１つまたは複数のリマインダの位置またはタイミングを選択するために、スケジューリングアルゴリズムを使用して、メッセージの前記セットのうちのメッセージが受信されたとき、前記リアルタイムチャットフローをリアルタイムで処理することと、
前記１つまたは複数のリマインダの前記位置またはタイミングを使用して、前記リアルタイムチャットフロー内に前記１つまたは複数のリマインダを自動的に挿入することと、
前記メンバーデバイスの前記チャットインターフェース内に提示される前記リアルタイムチャットフロー内の前記１つまたは複数のリマインダの提示を容易化することと
を備える動作を実施させる、非一時的コンピュータ可読媒体。

【請求項16】

前記命令は、前記デバイスに、
前記メンバーデバイスを含む複数のメンバーデバイスからメッセージを同時に受信することと、
関連するタスクデータを生成し、関連する代理デバイス上の関連するチャットストリームを更新するために、前記複数のメンバーデバイスからの前記メッセージを同時に処理することと
を備える動作をさらに実施させる、請求項１５に記載の非一時的コンピュータ可読媒体。

【請求項17】

前記命令は、前記デバイスに、前記メンバーデバイスに関連するカレンダデータにアクセスすることを備える動作をさらに実施させ、
前記スケジューリングアルゴリズムは、前記１つまたは複数のリマインダの前記位置またはタイミングを選択するために、前記リアルタイムチャットフロー処理とともに前記カレンダデータをさらに使用する、請求項１５に記載の非一時的コンピュータ可読媒体。

【請求項18】

前記命令は、前記デバイスに、
メッセージの前記セットのうちの１つまたは複数のメッセージとともにチャットインターフェースアクセスデータを受信することを備える動作をさらに実施させ、ここにおいて、前記チャットインターフェースアクセスデータが前記メンバーデバイスから受信されたとき、前記チャットインターフェースアクセスデータは、前記メンバーデバイス上の前記チャットインターフェースの表示の日付および時間に関する情報を含む、
ここにおいて、前記スケジューリングアルゴリズムは、前記１つまたは複数のリマインダの前記位置またはタイミングを選択するために、前記リアルタイムチャットフロー処理とともに前記チャットインターフェースアクセスデータをさらに使用する、請求項１５に記載の非一時的コンピュータ可読媒体。

【請求項19】

前記命令は、前記デバイスに、
チャットインターフェースアクセスデータを受信することを備える動作をさらに実施させ、ここにおいて、前記チャットインターフェースアクセスデータが前記メンバーデバイスから受信されたとき、前記チャットインターフェースアクセスデータは、前記メンバーデバイス上の前記チャットインターフェースの提示のリアルタイム通知とともに受信され、ここにおいて、前記スケジューリングアルゴリズムは、前記１つまたは複数のリマインダの前記位置またはタイミングを選択するために、前記リアルタイムチャットフロー処理とともに前記チャットインターフェースアクセスデータをさらに使用する、
ここにおいて、前記１つまたは複数のリマインダの前記位置またはタイミングを使用して前記リアルタイムチャットフロー内に前記１つまたは複数のリマインダを自動的に挿入することは、前記メンバーデバイス上の前記チャットインターフェースの前記提示の前記リアルタイム通知に対する応答としてリアルタイムで実施される、請求項１５に記載の非一時的コンピュータ可読媒体。

【請求項20】

前記命令は、前記デバイスに、
チャットインターフェースアクセス通知を受信することと、
前のチャットインターフェースアクセス通知以降の新しいチャットの数を決定することと、
前記スケジューリングアルゴリズムによって、最後のチャットフローアクセス以降の新しいチャットの前記数に基づいて、動的生成に関連する１つまたは複数のリマインダの前記位置またはタイミングを動的に選択することと
を備える動作をさらに実施させる、請求項１５に記載の非一時的コンピュータ可読媒体。

【発明の詳細な説明】

【技術分野】

【0001】

関連出願の相互参照
[0001]本出願は、その全体がすべての目的のために参照により本明細書に組み込まれる、２０２１年９月２日に出願された「ＳＹＳＴＥＭＳ ＡＮＤ ＭＥＴＨＯＤＳ ＦＯＲ ＤＹＮＡＭＩＣ ＣＨＡＴ ＳＴＲＥＡＭＳ」と題する米国仮出願第６３／２４０，０９０号の利益を主張する。

【背景技術】

【0002】

[0002]本開示は、メンバーと割り当てられた代理との間で交換されるメッセージに基づいてプロジェクトとタスクとを生成し、管理するためのシステムおよび方法に関する。様々な例では、本明細書で説明されるシステムおよび方法は、リアルタイムのチャットストリームにおけるメッセージの動的な分析および提示のために使用され得る。いくつかのそのような例では、タスクの識別および作成と、チャットストリームからの情報を使用してメンバーのために実施され得るタスクに関係する情報のチャットストリーム提示とを容易化するために、動的な機械学習知能が適用され得る。

【発明の概要】

【0003】

[0003]開示される例は、通信システムを使用してタスク完了を容易化するためのシステム、方法、および他の実装形態を提供する。例は、メンバーデバイスおよび代理デバイスに関連するメッセージのセットを受信することと、ここにおいて、代理デバイスは、メンバーに代わってタスクの実施のためにメンバーデバイスに関連するメンバーに割り当てられた代理に関連付けられる、メッセージのセットに関連する１つまたは複数のタスク推奨を含むタスクデータを生成するためにメッセージのセットを処理することと、ここにおいて、１つまたは複数のタスク推奨は、メンバーに代わって実施可能なタスクのセットに対応する、チャットインターフェース内でリアルタイムチャットフローを追跡することと、ここにおいて、メッセージのセットは、メンバーデバイスおよび代理デバイスを使用してチャットインターフェース内で交換される、１つまたは複数のタスク推奨に関連する１つまたは複数のリマインダの位置またはタイミングを選択するために、スケジューリングアルゴリズムを使用してメッセージのセットのうちのメッセージが受信されたときリアルタイムチャットフローをリアルタイムで処理することと、１つまたは複数のリマインダの位置またはタイミングを使用して、リアルタイムチャットフロー内に１つまたは複数のリマインダを自動的に挿入することと、メンバーデバイスのチャットインターフェース内に提示されたリアルタイムチャットフロー内の１つまたは複数のリマインダの提示を容易化することとを伴う方法を含む。

【0004】

[0004]いくつかのそのような例は、メンバーデバイスを含む複数のメンバーデバイスからメッセージを同時に受信することと、関連するタスクデータを生成し、関連する代理デバイス上の関連するチャットストリームを更新するために、複数のメンバーデバイスからのメッセージを同時に処理することとによってさらに動作することができる。いくつかのそのような方法は、メンバーデバイスに関連するカレンダデータにアクセスするための動作とともに動作することができ、ここで、スケジューリングアルゴリズムは、１つまたは複数のリマインダの位置またはタイミングを選択するために、リアルタイムチャットフロー処理とともにカレンダデータをさらに使用する。

【0005】

[0005]いくつかの動作は、メッセージのセットのうちの１つまたは複数のメッセージとともにチャットインターフェースアクセスデータを受信することをさらに伴い、ここにおいて、チャットインターフェースアクセスデータがメンバーデバイスから受信されたとき、チャットインターフェースアクセスデータは、メンバーデバイス上のチャットインターフェースの表示の日付および時間に関する情報を含み、ここで、スケジューリングアルゴリズムは、１つまたは複数のリマインダの位置またはタイミングを選択するために、リアルタイムチャットフロー処理とともにチャットインターフェースアクセスデータをさらに使用する。同様の方法は、チャットインターフェースアクセスデータを受信することを伴い、ここにおいて、チャットインターフェースアクセスデータがメンバーデバイスから受信されたとき、チャットインターフェースアクセスデータは、メンバーデバイス上のチャットインターフェースの提示のリアルタイム通知とともに受信され、ここにおいて、スケジューリングアルゴリズムは、１つまたは複数のリマインダの位置またはタイミングを選択するために、リアルタイムチャットフロー処理とともにチャットインターフェースアクセスデータをさらに使用し、ここで、１つまたは複数のリマインダの位置またはタイミングを使用してリアルタイムチャットフロー内に１つまたは複数のリマインダを自動的に挿入することは、メンバーデバイス上のチャットインターフェースの提示のリアルタイム通知に対する応答としてリアルタイムで実施される。

【0006】

[0006]いくつかのそのような方法は、チャットインターフェースアクセス通知を受信することと、前のチャットインターフェースアクセス通知以降の新しいチャットの数を決定することと、スケジューリングアルゴリズムによって、最後のチャットフローアクセス以降の新しいチャットの数に基づいて、動的生成に関連する１つまたは複数のリマインダの位置またはタイミングを動的に選択することとをさらに伴う。

【0007】

[0007]いくつかの方法は、チャットインターフェースのリマインダ対話ユーザインターフェースからフィードバック表示を受信することと、ここにおいて、フィードバック表示は、１つまたは複数のリマインダに関連するタスク管理アプリケーションにおけるタスク更新通信を備える、フィードバック表示に基づいて、メンバーデバイスのためのターゲット調整を用いてスケジューリングアルゴリズムを更新することとをさらに含むことができる。

【0008】

[0008]本明細書で説明される追加の例は、メンバーおよび代理に関連するメッセージのセットを受信することと、ここにおいて、代理は、メンバーに代わってタスクの実施のためにメンバーに割り当てられる、メッセージのセットに関連する１つまたは複数のタスク推奨を含むタスクデータを生成するために、人工知能エージェントを使用してメッセージのセットを処理することと、ここにおいて、１つまたは複数のタスク推奨は、メンバーに代わって実施可能なタスクのセットに対応する、チャットインターフェース内でチャットフローを追跡することと、ここにおいて、メッセージのセットは、チャットインターフェース内で交換される、１つまたは複数のタスク推奨に関連する１つまたは複数のリマインダの位置またはタイミングを選択するために、機械学習ネットワークを使用してチャットフローを処理することと、１つまたは複数のリマインダの位置またはタイミングを使用してチャットフロー内に１つまたは複数のリマインダを自動的に挿入することと、１つまたは複数のリマインダとタスクのセットとに関連するフィードバック表示を受信することと、フィードバック表示を使用して機械学習ネットワークを更新することとに関する動作を含むことができ、ここにおいて、機械学習ネットワークは、チャットインターフェースのチャットフロー内の将来のリマインダの位置またはタイミングの選択を更新するために、フィードバック表示と１つまたは複数のリマインダの位置またはタイミングとを使用してトレーニングされる。

【0009】

[0009]別の例は、ディスプレイスクリーンを備えるコンピューティングデバイスを伴うことができ、コンピューティングデバイスは、リアルタイムチャットフローインターフェースをスクリーン上に表示するように構成され、リアルタイムチャットフローインターフェースは、メンバーと代理との間で交換されるメッセージのセットを含み、ここにおいて、代理は、メンバーに代わってタスクの実施のためにメンバーに割り当てられ、リアルタイムチャットフローインターフェースは、リアルタイムチャットフローインターフェース内のメッセージを、タスクのタスクタグに動的に関連付けるためのメッセージタグ付け要素をさらに含む。

【0010】

[0010]本概要は、特許請求される主題の重要な特徴または必須の特徴を識別するものではなく、特許請求される主題の範囲を決定するために切り離して使用されるものでもない。主題は、本特許出願の明細書全体の適切な部分、いずれかまたはすべての図面、および各請求項を参照することによって理解されるべきである。

【0011】

[0011]上記のことについて、他の例および特徴とともに、以下の明細書と、特許請求の範囲と、添付の図面とにおいて以下でより詳細に説明される。

【図面の簡単な説明】

【0012】

【図1】[0012]様々な実施形態による、タスク容易化サービスが代理をメンバーに割り当て、それを通して、メンバーのために実施可能な様々なタスクが、１つまたは複数のサードパーティサービスによる実施のために推奨され得る環境の例示的な例を示す図。

【図2】[0013]少なくとも１つの実施形態による、プロジェクトと対応するタスクとがタスク容易化サービスによって生成され、与えられる環境の例示的な例を示す図。

【図3】[0014]少なくとも１つの実施形態による、チャットストリームインターフェースの態様を示す図。

【図4】[0015]少なくとも１つの実施形態による、チャットストリームインターフェースの態様を示す図。

【図5】[0016]少なくとも１つの実施形態による、タスク対話およびチャット開始を容易化するためのインターフェースの例を示す図。

【図6】[0017]少なくとも１つの実施形態による、タスク対話および管理を容易化するためのシステムの一部として、タスク対話ステータスを要約するためのインターフェースの例を示す図。

【図7】[0018]少なくとも１つの実施形態による、タスク対話およびチャット開始を容易化するためのインターフェースの例を示す図。

【図8】[0019]少なくとも１つの実施形態による、タスク管理を容易化するためのチャットインターフェースの例を示す図。

【図9】[0020]少なくとも１つの実施形態による、タスク推奨システムが、メンバーに提示され得る異なるプロジェクトおよび／またはタスクのための推奨を生成し、ランク付けする環境の例示的な例を示す図。

【図10】[0021]少なくとも１つの実施形態による、機械学習アルゴリズムまたは人工知能が、新しいプロジェクトおよびタスクの識別および作成を支援するために実装される環境の例示的な例を示す図。

【図11】[0022]少なくとも１つの実施形態による、機械学習アルゴリズムまたは人工知能が、代理に新しいプロジェクトおよびタスクを通知するためにメンバーと代理との間で交換されるメッセージを処理するために実装される環境の例示的な例を示す図。

【図12】[0023]少なくとも１つの実施形態による、タスク調整システムが、代理および／または１つもしくは複数のサードパーティサービスによるメンバーのためのタスクの実施を割り当て、監視する環境の例示的な例を示す図。

【図13】[0024]少なくとも１つの実施形態による、メンバープロファイルに基づいて新しいプロジェクトおよび／またはタスクを定義するためにメンバーから必要とされる追加情報を識別するためのプロセスの例示的な例を示す図。

【図14】[0025]少なくとも１つの実施形態による、メンバープロファイルに基づいて新しいプロジェクトおよび／またはタスクを定義するためにメンバーから必要とされる追加情報を識別するためのプロセスの例示的な例を示す図。

【図15】[0026]少なくとも１つの実施形態による、メンバープロファイルに基づいて新しいプロジェクトおよび／またはタスクを定義するためにメンバーから必要とされる追加情報を識別するためのプロセスの例示的な例を示す図。

【図16】[0027]いくつかの実施形態による、タスクシステムのチャットフロー内にリマインダ表示するためのシステムおよびプロセスの態様を示す図。

【図17】[0028]いくつかの実施形態による、タスクシステムのチャットフロー内にリマインダ表示するためのシステムおよびプロセスの態様を示す図。

【図18】[0029]いくつかの実施形態による、タスクシステムのチャットフロー内にリマインダ表示するためのシステムおよびプロセスの態様を示す図。

【図19】[0030]いくつかの実施形態による、タスクシステムのチャットフロー内にリマインダ表示するためのシステムおよびプロセスの態様を示す図。

【図20】[0031]いくつかの実施形態による、タスクシステムのチャットフロー内にリマインダ表示するためのシステムおよびプロセスの態様を示す図。

【図21】[0032]いくつかの実施形態による、サービスメンバーと代理との間の対話を容易化するために使用される動的なチャットフローインターフェースを提示するための方法に関するフローチャート。

【図22】[0033]いくつかの実施形態による、サービスメンバーと代理との間の対話を容易化するために使用される動的なチャットフローインターフェースを管理するための方法に関するフローチャート。

【図23】[0034]いくつかの実施形態による、サービスメンバーと代理との間の対話を容易化するために使用される動的なチャットフローインターフェースを管理するための方法に関するフローチャート。

【図24】[0035]いくつかの実施形態による、サービスメンバーと代理との間の対話を容易化するために使用される動的なチャットフローインターフェースを管理するための方法に関するフローチャート。

【図25】[0036]少なくとも１つの実施形態による、メンバーとの通信が処理される環境の例示的な例を示す図。

【図26】[0037]様々な実施形態による、接続を使用して互いに電気通信している様々な構成要素を含むコンピューティングシステムアーキテクチャを示す図。

【発明を実施するための形態】

【0013】

[0038]添付の図では、同様の構成要素および／または特徴は同じ参照ラベルを有することができる。さらに、同じタイプの様々な構成要素は、参照ラベルの後に、ダッシュと、それらの同様の構成要素を区別する第２のラベルとを続けることによって区別され得る。本明細書において第１の参照ラベルのみが使用される場合、説明は、第２の参照ラベルにかかわらず、同じ第１の参照ラベルを有する同様の構成要素のどの１つにも適用可能である。

【0014】

[0039]以下の説明では、説明の目的で、いくつかの発明実施形態の完全な理解を与えるために具体的な詳細が記載される。ただし、様々な実施形態は、これらの具体的な詳細なしに実施され得ることが明らかであろう。図および説明は限定するものではない。「例示的」という単語は、本明細書では、「例、事例、または例示の働きをすること」を意味するために使用する。「例示的」として本明細書に記載されるいかなる実施形態または設計も、必ずしも他の実施形態または設計よりも好ましいか、または有利であると解釈されるべきではない。

【0015】

[0040]開示する実施形態は、サービスメンバーと、メンバーに代わってタスクを実施するためにメンバーに割り当てられた代理との間の対話を容易化するために使用されるチャットフローインターフェースを含むデバイス、方法、命令、および他の例について説明する。様々な実施形態では、チャットフローは、タスクがシステム内で識別され、割り当てられる前にメッセージを受信することができる。いくつかの例では、チャットメッセージは、タスクを自動的に識別し、割り当てるために、自然言語処理（ＮＬＰ）または機械学習システムを使用して分析され得る。いくつかの例では、リアルタイムチャットフローインターフェースは、メッセージにタスクタグおよびラベルをタグ付けするための自動機構と非自動機構の両方を含むことができる。そのようなタグは、リアルタイムチャットフローインターフェース内のメッセージおよび変更のフィルタ処理と、タスクを管理し、割り当てるために使用される動的な機械学習システムへの連続的なリアルタイムフィードバックとの両方のために使用され得る。

【0016】

[0041]いくつかの実施形態は、タスクに関連するアラートおよびリマインダメッセージを動的に再編成、フィルタ処理、および生成するための自動システムをさらに使用することができる。いくつかのそのような実施形態では、チャットフロー内のメッセージは、ユーザ選択またはタスクの機械学習分析と、システムの様々な部分からの情報（たとえば、チャットメッセージ、カレンダ情報、やることリストなど）とに基づいて、チャットフロー内で遅延または再表示され得る。いくつかの例では、チャットフロー内の視覚的インジケータは、チャットメッセージを「スヌーズ」／「アラーム」するために使用される。これは、チャットメッセージの色を変更させ、および／またはリアルタイムチャットフローから一時的に消滅させることを伴うことができ、関連するタスク優先度、緊急度、キュー順序、および他の特性に基づいて再表示のタイミングがとられる。

【0017】

[0042]自動化されたタスクまたはリマインダ表示を有するシステムの態様では、チャットフローの様々な態様は、タスクリマインダを提示するためにチャットフロー内の時間または位置を動的に選択することによって、タスクシステム内のデバイスの動作を改善するための機械ベースのアルゴリズムを用いて改善され得る。そのようなタスクリマインダは、「スヌーズ」または「却下」入力を用いてリマインダを非表示にするための直接インターフェースを含むことができ、または、リマインダに関連するタスクの完了または進行に関連する追加のインターフェースへの直接インターフェースリンクを提示することができる。フィードバックまたは学習システムは、将来のリマインダの配置またはタイミングを選択する際に使用されるスケジューリングアルゴリズムを改善するために、チャットフロー内に提示されるリマインダとのユーザ対話を追跡することができる。加えて、アルゴリズムは、チャットフローおよびチャットフロー内のリマインダの提示の効率を改善するために、カレンダデータ、デバイスモーションデータ、または他のそのようなデータなどの追加のデータを様々なソースから収集することができる。

【0018】

[0043]そのようなリマインダは、ユーザが所与のタスクに関連付けられていない行為に集中しているとき、不要なまたは気を散らすリマインダの数を制限することによって、デバイスおよび関連するタスクシステムのユーザに有形の利益を提供し、また、ユーザがタスクに関連する行為を行う可能性が高いとき、タスクリマインダを提示することによって、タスクシステム内のタスクの進行を容易化する。そのような態様は、タスクリマインダに関連する行為を完了するためのインターフェース対話の数を低減し、タスクシステムのユーザおよびタスクシステムとともに動作するデバイスのための時間およびシステムリソースを節約する、ターゲットにされた効率的なインターフェースをチャットフローリマインダの一部としてユーザにさらに提示することができる。

【0019】

[0044]図１は、様々な実施形態による、タスク容易化サービス１０２が代理１０６をメンバー１１８に割り当て、それを通して、メンバー１１８のために実施可能な様々なタスクが、代理１０６および／または１つもしくは複数のサードパーティサービス１１６による実施のために推奨され得る環境１００の例示的な例を示す。タスク容易化（たとえば、パーソナルコンシェルジュサービス）１０２は、様々な方法でタスク支援および実施を行うために、以下で説明されるように、デバイス１２０またはメンバー１１８の他のデバイスのチャットフローインターフェースと統合され得る。チャットフロー統合は、デバイス１２０を介したオンボーディングと、タスク委任、タスク実施、およびデバイス１２０のチャットインターフェースを通した自動または非自動のデータ収集および機械学習フィードバックとの両方を含むことができる。

【0020】

[0045]タスク容易化サービス１０２は、これらのメンバーのためにこれらのタスクの実施を調整することができる代理１０６にタスクを識別して委任することによって、メンバーの自宅の中および周りで様々なタスクを実施する際のメンバーおよびメンバーの家族に対する認知的負荷を低減するように実装され得る。いくつかの態様では、メンバー１１８（たとえば、個人、家族、またはチームグループ）のための１つまたは複数のデバイス１２０のリアルタイムチャットインターフェースは、タスク生成と、タスク委任と、タスク実施に関するステータス報告とに関連する通信のための１次インターフェースである。いくつかの実施形態では、メンバー１１８は、コンピューティングデバイス１２０（たとえば、ラップトップコンピュータ、スマートフォンなど）を介して、メンバー１１８への代理１０６の割当てのためのオンボーディングプロセスを開始し、メンバー１１８のために実施可能なタスクの識別を開始するために、タスク容易化サービス１０２に要求を提出し得る。たとえば、メンバー１１８は、タスク容易化サービス１０２によって与えられ、コンピューティングデバイス１２０にインストールされたアプリケーションを介して、タスク容易化サービス１０２にアクセスし得る。追加または代替として、タスク容易化サービス１０２は、メンバー１１８がタスク容易化サービス１０２にアクセスし、オンボーディングプロセスを開始し得るインターフェースを提示するかまたは場合によっては利用可能にするように構成された１つまたは複数のウェブサイトをホストするウェブサーバ（図示せず）を維持し得る。

【0021】

[0046]オンボーディングプロセス中に、タスク容易化サービス１０２は、メンバー１１８の識別情報を収集することがあり、この識別情報は、代理１０６を識別し、メンバー１１８に割り当てるために、代理割当てシステム１０４によって使用され得る。いくつかの態様では、リアルタイムチャットインターフェースは、サービスに関連するメンバー１１８によるリアルタイムチャット通信から自動的に情報を取り込むために、タスク容易化サービス１０２と統合することができる。他の例では、リアルタイムチャットインターフェースを介して収集された情報とともに、またはその補足として、他のインターフェースが使用され得る。たとえば、タスク容易化サービス１０２は、メンバー１１８に、メンバー１１８が、メンバー１１８のための代理１０６を選択するために代理割当てシステム１０４によって使用可能な識別情報を与え得る調査またはアンケートを与え得る。調査にアクセスするためのリンクまたはインターフェース要素は、チャットフローインターフェース内から調査または関連情報への直接リンクを可能にするリアルタイムチャットインターフェースを介してメンバー１１８に与えられ得る。リマインダ、欠落した情報または補足情報のためのプロンプト、および他のそのような通信は、デバイス１２０を介したメンバー１１８とサービス１０２との間の通信を使用して、リアルタイムチャットインターフェースを介して与えられ得る。たとえば、タスク容易化サービス１０２は、サービス１０２によって開始されデバイス１２０のリアルタイムチャットフローインターフェースを介してメンバー１１８に提示される通信を使用して、メンバー１１８に、メンバーの家族の構成（たとえば、メンバーの自宅の住民の数、メンバーの自宅の子供の数、メンバーの自宅のペットの数およびタイプなど）、メンバーの自宅の物理的なロケーション、メンバー１１８の何らかの特別なニーズまたは要件（たとえば、物理的または感情的な障害など）などに関する詳細情報を与えるように促し得る。いくつかの例では、メンバー１１８は、人口統計情報（たとえば、年齢、民族性、人種、書かれた／話された言語など）または他のそのような情報を与えるように促され得る。いくつかの例では、パーソナルコンシェルジュサービス１０２と統合された自然言語処理（ＮＬＰ）サービスは、メンバー１１８のためのデバイス１２０のリアルタイムチャットフローインターフェース内の情報を処理し、サービス１０２からの支援を使用してメンバー１１８のための既存のタスクまたは潜在的な新しいタスクを容易化することができるチャットフローインターフェース内で識別された情報に関連するトリガまたはプロンプトに基づいて、情報の要求を開始することができる。メンバー１１８はまた、メンバー１１８にとって関心があり得る可能な経験を識別するために使用され得る、任意の個人的関心または趣味を示すように促され得る（以下でより詳細に説明される）。様々な態様では、そのようなプロンプトは、オンボーディングプロセス、新しいタスクプロセス、自動化されたタスク提案プロセス、または処理中のタスクを支援することができる情報を与えるためのプロンプトの一部として開始され得る。

【0022】

[0047]いくつかの実施形態では、タスク容易化サービス１０２は、代理および／またはサードパーティなどの他者にタスクを委任する際の信頼のレベルまたは他の尺度を示すようにメンバー１１８を促し得る。いくつかの態様では、プロンプトは、別個のインターフェースにアクセスするための、またはチャットフローインターフェースを介してフィードバックを与えるためのオプションとともに、チャットフローインターフェース内のメッセージとして提示され得る。いくつかの態様では、タスク容易化サービス１０２は、メンバーの日々の生活に関連し得るタスクの初期カテゴリを識別するために、チャットフローインターフェースを介してメンバー１１８によって提出された識別情報を利用し得る。いくつかの例では、タスク容易化サービス１０２は、メンバー１１８に関連し得るタスクのカテゴリを識別するために、チャットフローインターフェースまたは他のデータ収集ソースを介して受信されたデータを処理する機械学習アルゴリズムまたは人工知能を利用することができる。たとえば、タスク容易化サービス１０２は、１つまたは複数のベクトル（たとえば、地理的ロケーション、人口統計情報、タスクを他者に委任する可能性、家族構成、家庭構成など）に基づいて、同様に状況にあるメンバーを識別するために、クラスタリングアルゴリズムを実装し得る。いくつかの例では、サンプルメンバー（たとえば、テスターなど）によって与えられるタスク容易化サービス１０２によって与えられるプロンプトに対する応答に対応する入力メンバー特性のデータセットは、タスク容易化サービス１０２と対話し得る異なるタイプのメンバーを識別するために、クラスタリングアルゴリズムを使用して分析され得る。メンバーに関連し得るタスクのカテゴリを識別するために、サンプルメンバーデータセット（たとえば、履歴メンバーデータ、仮説メンバーデータなど）を使用してメンバーを分類するようにトレーニングされ得る例示的なクラスタリングアルゴリズムは、ｋ平均クラスタリングアルゴリズム、ファジーｃ平均（ＦＣＭ）アルゴリズム、期待値最大化（ＥＭ）アルゴリズム、階層クラスタリングアルゴリズム、ノイズのあるアプリケーションの密度ベースの空間クラスタリング（ＤＢＳＣＡＮ）アルゴリズムなどを含み得る。メンバーの識別情報を使用して生成された機械学習アルゴリズムの出力に基づいて、タスク容易化サービス１０２は、メンバー１１８に、機械学習アルゴリズムによって与えられるタスクのカテゴリに対応するタスクを委任する際の快適レベルに関する応答を与えるように促し得る。これは、メンバー１１８に与えられるプロンプトの数を低減し、メンバーのニーズに対してプロンプトをより良好に調整し得る。

【0023】

[0048]いくつかの実施形態では、メンバーの識別情報、ならびに異なるカテゴリのタスクを他のものに委任する際のメンバーの快適度または関心度のレベルに関係する任意の情報は、メンバー１１８に割り当てられ得る代理１０６を識別するために、タスク容易化サービス１０２の代理割当てシステム１０４に与えられる。代理割当てシステム１０４は、コンピュータシステムを使用して、またはタスク容易化サービス１０２のコンピュータシステム上に実装されるアプリケーションもしくは他の実行可能コードとして実装され得る。代理割当てシステム１０４は、いくつかの実施形態では、メンバーの識別情報、タスクを他のものに委任する際のメンバーの快適度または関心度のレベルに関係する任意の情報、およびオンボーディングプロセス中に取得された任意の他の情報を、生産的な方式でメンバー１１８と対話し、通信するために好適であり得る代理を識別するように構成された分類またはクラスタリングアルゴリズムへの入力として使用する。たとえば、代理１０６は、人口統計および他の識別情報、地理的ロケーション、異なるカテゴリのタスクを処理する際の経験、異なるカテゴリのメンバーと通信する際の経験などを含む（限定はしないが）様々な基準に基づいてプロファイリングされ得る。分類またはクラスタリングアルゴリズムを使用して、代理割当てシステム１０４は、メンバー１１８のために対処される必要があり得る任意のタスクに対処しながら、メンバー１１８との肯定的な長期関係を進展させる可能性がより高い可能性がある代理１０６のセットを識別し得る。

【0024】

[0049]代理割当てシステム１０４が、メンバー１１８のアシスタントまたはコンシェルジュとして働くようにメンバー１１８に割り当てられ得る代理１０６のセットを識別すると、代理割当てシステム１０４は、メンバー１１８に割り当てられ得る特定の代理を識別するために、代理１０６のセットの各代理に対応するデータを評価し得る。たとえば、代理割当てシステム１０４は、メンバーの人口統計情報と代理の人口統計情報との間の類似性の程度またはベクトルに従って、代理のセット１０６の各代理をランク付けし得る。たとえば、メンバーと特定の代理とが類似した背景を共有する場合（たとえば、同じ都市の大学に在学した、同じ故郷からのものである、特定の関心を共有するなど）、代理割当てシステム１０４は、あまり類似していない背景を有し得る他の代理と比較して、特定の代理をより高くランク付けし得る。同様に、メンバーおよび特定の代理が互いに地理的に近接している場合、代理割当てシステム１０４は、メンバー１１８からさらに離れていることがある他の代理と比較して、特定の代理をより高くランク付けし得る。各ファクタは、いくつかの例では、メンバーと代理との間の良好で長期にわたる関係の作成に関するファクタの影響に基づいて重み付けされ得る。たとえば、代理とのメンバーの対話に対応する履歴データに基づいて、代理割当てシステム１０４は、異なるファクタとこれらの対話の極性（たとえば、正、負など）との間の相関を識別し得る。これらの相関（またはその欠如）に基づいて、代理割当てシステム１０４は、各ファクタに重みを適用し得る。

【0025】

[0050]いくつかの例では、識別された代理のセット１０６の各代理に、メンバーの人口統計情報と代理の人口統計情報との間の類似性の程度またはベクトルに対応する様々なファクタに対応するスコアを割り当てられ得る。たとえば、各ファクタは、ファクタに割り当てられた重みに対応するスコアの可能な範囲を有し得る。例示的な例として、代理スコアを得るために使用される様々なファクタは各々、１～１０の可能なスコアを有し得る。しかしながら、各ファクタに割り当てられた重みに基づいて、可能なスコアは、より大きい重みを有するファクタが、より小さい重みを有するファクタと比較してより高い重み係数を乗算され得るように、重み係数を乗算され得る。結果は、メンバー１１８と代理との間のマッチを決定する際のファクタの重要性または関連性に対応する異なるスコアリング範囲のセットである。様々なファクタについて決定されたスコアは、代理のセット１０６の各代理についてのコンポジットスコアを取得するためにアグリゲートされ得る。これらのコンポジットスコアは、代理のセット１０６のランキングを作成するために使用され得る。

【0026】

[0051]いくつかの実施形態では、代理割当てシステム１０４は、メンバー１１８に割り当てられ得る代理を選択するために、代理のセット１０６のランキングを使用する。たとえば、代理割当てシステム１０４は、最も高くランク付けされた代理を選択し、タスクを識別および推奨することと、タスクの解決を調整することと、場合によっては、メンバー１１８のニーズに対処することを確実にするためにメンバーと通信することとにメンバー１１８を関与させるための代理の利用可能性を決定し得る。選択された代理が利用不可能である（たとえば、代理が１人または複数の他のメンバーとすでに関与しているなど）場合、代理割当てシステム１０４は、前述のランキングに従って別の代理を選択し、メンバー１１８を関与させるためにこの代理の利用可能性を決定し得る。このプロセスは、メンバー１１８に関与するために利用可能な代理が代理のセット１０６から識別されるまで繰り返され得る。

【0027】

[0052]いくつかの実施形態では、代理１０６は、チャットフローインターフェースを介して、メンバー１１８と自動的に関与し、対話するように構成され得るボットなどの自動プロセスとなり得る。たとえば、代理割当てシステム１０４は、メンバー１１８の代理１０６として機能し得るメンバープロファイルおよびボットを生成するために、機械学習アルゴリズムまたは人工知能への入力として、オンボーディングプロセス中にメンバー１１８によって与えられる応答を利用し得る。ボットは、本明細書で説明されるように、メンバー１８８から補足情報を収集し、タスクおよび提案を生成し、任意の承認された提案に従ってメンバー１１８に代わってタスクを実施することなどを行うために、メンバー１１８と自律的にチャットするように構成され得る。ボットは、メンバープロファイルにおいて定義されるメンバー１１８のパラメータまたは特性に従って構成され得る。ボットが時間とともにメンバー１１８と通信するにつれて、ボットは、メンバー１１８とのボットの対話を改善するように更新され得る。いくつかの態様では、チャットフローインターフェースが、サービス１０２からの自動通信と非自動通信の両方のメンバー１１８への提示を組み合わせることができるように、自動チャット通信（たとえば、ボットベース）は、非自動チャット通信（たとえば、人間ベース）と組み合わせられ得る。いくつかの態様では、そのような通信は、チャットフロー内で区別されない様式で提示され得る。他の態様では、色、フォント、サイズ、フラグ、または他の識別特性を有することができる他のカテゴリ分類に加えて、色またはソースインジケータが、それらを自動的なものとして識別するために、チャットフローインターフェース内の通信に関連付けられ得る。たとえば、自動通信は、メッセージを自動的なものとしてフラグ付けするテキストとともに第１の色で提示され得、非自動通信は、メッセージを特定の人間の代理に関連付けるテキストとともに異なる色で提示され得る。いくつかの態様では、自動メッセージは、特定のボットに関連する特定の機能、タスク、または他のグループ化を識別することができる。人間の代理からのメッセージは、同様に、メンバー１１８がメッセージの詳細を理解するか、またはメッセージの詳細に詳細な焦点を与える前に、メンバー１１８に即時のコンテキスト情報を与えるために、あるタスクまたはタスクタイプについての識別情報または特徴的な特性を含むことができる。加えて、本明細書で説明されるように、任意のそのようなカテゴリ分類は、いくつかの実装形態では、チャットフローインターフェース内で検索またはフィルタ処理するために使用され得る。

【0028】

[0053]オンボーディングプロセス中に収集されたメンバー１１８に関連付けられたデータと、選択された代理に対応する任意のデータとは、ユーザデータストア１０８に記憶され得る。ユーザデータストア１０８は、タスク容易化サービス１０２の各メンバー１１８に対応するエントリを含み得る。エントリは、対応するメンバー１１８の識別情報と、メンバー１１８に割り当てられた代理に対応する識別子または他の情報とを含み得る。本明細書でより詳細に説明されるように、ユーザデータストア１０８内のエントリは、時間とともに行われたメンバー１１８と割り当てられた代理との間の通信に対応する履歴データをさらに含み得る。たとえば、メンバー１１８がチャットセッションまたはストリームを介して代理１０６と対話するつれて、チャットセッションまたはストリームを介して交換されるメッセージは、ユーザデータストア１０８に記録され得る。

【0029】

[0054]いくつかの実施形態では、代理割当てシステム１０４が特定の代理をメンバー１１８に割り当てると、代理割当てシステム１０４は、メンバー１１８および特定の代理にペアリングを通知する。さらに、代理割当てシステム１０４は、メンバー１１８と割り当てられた代理との間のチャットセッションまたは他の通信セッションを確立して、メンバー１１８と代理との間の通信を容易にし得る。たとえば、タスク容易化サービス１０２によって与えられ、コンピューティングデバイス１２０上にインストールされたアプリケーションを介して、メンバー１１８は、チャットセッションまたは他の通信セッションを介して割り当てられた代理とメッセージを交換し得る。同様に、代理は、代理がメンバー１１８とメッセージを交換し得るインターフェースを備えることがある。

【0030】

[0055]いくつかの例では、メンバー１１８は、割り当てられた代理とのチャットセッションを開始するか、または場合によっては再開し得る。たとえば、タスク容易化サービス１０２によって与えられるアプリケーションを介して、メンバーは、代理と通信するために、チャットセッションまたは他の通信セッションを介して代理にメッセージを送信し得る。メンバー１１８は、メンバー１１８が特定のタスクの支援を望むことを示すメッセージを代理に提出し得る。例示的な例として、メンバー１１８は、メンバー１１８が来月の今度の引っ越しに関して代理の支援を望むことを示すメッセージを代理に提出することができる。代理は、タスク容易化サービス１０２によって与えられるインターフェースを介して、提出されたメッセージを提示され得る。したがって、代理は、メッセージを評価し、メンバー１１８を支援するために実施される対応するタスクを生成し得る。たとえば、代理は、タスク容易化サービス１０２によって与えられるインターフェースを介して、タスク生成フォームにアクセスすることがあり、このタスク生成フォームを通して、代理は、タスクに関する情報を与えることがある。情報は、メンバー１１８に関係する情報（たとえば、メンバー名、メンバーアドレスなど）と、タスク自体の様々なパラメータ（たとえば、割り振られた予算、タスクの完了のための時間枠など）とを含み得る。タスクのパラメータはさらに、任意のメンバー選好（たとえば、好ましいブランド、好ましいサードパーティサービス１１６など）を含み得る。

【0031】

[0056]いくつかの実施形態では、代理は、タスクの完了のための１つまたは複数の提案を生成するために必要とされ得る任意の追加のタスクパラメータを動的かつリアルタイムに識別するために、メンバー１１８と代理との間で交換された１つまたは複数のメッセージで指定されたタスクについてメンバー１１８から得られた情報をタスク容易化サービス１０２のタスク推奨システム１１２に与えることができる。タスク推奨システム１１２は、コンピュータシステムを使用して、またはタスク容易化サービス１０２のコンピュータシステム上に実装されるアプリケーションもしくは他の実行可能コードとして実装され得る。タスク推奨システム１１２は、いくつかの実施形態では、チャットセッションを通して（たとえば、メンバー１１８によって利用されるアプリケーションなどを介して）メンバーに提示され、メンバー１１８のために代理および／または１つもしくは複数のサードパーティサービス１１６によって完了され得るタスクを代理が生成し得るインターフェースを代理に与える。たとえば、代理は、タスクの名前、メンバーによって与えられるタスクの任意の既知のパラメータ（たとえば、予算、時間枠、実施されるタスク操作など）などを与えることがある。例示的な例として、メンバー１１８がメッセージ「やあ、ラッセル、２か月後の私たちの引っ越しを手伝うことができますか（can you help with our move in 2 months）」と送信した場合、代理はメッセージを評価し、「新居への引っ越し（Move to new home）」と題するタスクを生成し得る。このタスクについて、代理は、メンバー１１８によって示されるように、タスクの完了のための時間枠が２か月であることを示し得る。さらに、代理は、メンバーについて代理が知っている追加情報を追加し得る。たとえば、代理は、任意の好ましい引っ越し会社、何らかの予算上の制約などを示し得る。

【0032】

[0057]いくつかの実施形態では、代理は、タスクの完了のためにメンバーに提示され得る提案の作成に追加のメンバー入力が必要であるかどうかを決定するために、生成されたタスクをタスク推奨システム１１２に与え得る。タスク推奨システム１１２は、たとえば、タスクのための追加のパラメータと、提案の生成のためにメンバー１１８から必要とされ得る任意の追加情報とを自動的に識別するために、機械学習アルゴリズムまたは人工知能を使用して、ユーザデータストア１０８からのメンバー１１８に対応する生成されたタスクおよび情報を処理し得る。たとえば、タスク推奨システム１１２は、タスクに対して自動的に完了され得る任意の追加のパラメータと、タスクを定義するためにメンバー１１８に必要とされ得る任意の追加情報とを識別するために、生成されたタスクと、メンバー１１８に対応する情報と、他の同様の状況にあるメンバーに対して実施されたタスクに対応する履歴データとを、機械学習アルゴリズムまたは人工知能への入力として使用し得る。たとえば、タスクが別の都市への今度の引っ越しに関係する場合、タスク推奨システム１１２は、機械学習のアルゴリズムまたは人工知能を利用して、同様の状況にあるメンバー（たとえば、メンバー１１８の同一の地理的領域内のメンバー、同様のタスク委任感受性を有するメンバー、同様のタスクを行ったメンバーなど）を識別し得る。メンバー１１８のために生成されたタスクと、ユーザデータストア１０８からのメンバー１１８の特性と、これらの同様の状況にあるメンバーに対応するデータとに基づいて、タスク推奨システム１１２は、タスクのための追加のパラメータを与え得る。例示的な例として、上述のタスク「新居への引っ越し」の場合、タスク推奨システム１１２は、タスクに関する推奨される予算、メンバー１１８が承認し得る１つまたは複数の引っ越し企業（正のフィードバックを伴う他の同様の状況にあるメンバーによって使用される）などを与え得る。代理は、これらの追加のパラメータを検討し、タスクに含めるためにこれらのパラメータのうちの１つまたは複数を選択し得る。

【0033】

[0058]タスク推奨システム１１２が、追加のメンバー入力がタスクに必要であると決定した場合、タスク推奨システム１１２は、タスクに関してメンバー１１８に提示され得る質問の推奨を代理に与え得る。「新居への引っ越し」タスクの例に戻ると、タスク推奨システム１１２が、メンバーの自宅の１つまたは複数のパラメータ（たとえば、面積、部屋の数など）をタスクについて理解することが重要であると決定した場合、タスク推奨システム１１２は、これらの１つまたは複数のパラメータを与えるようにメンバー１１８に促す推奨を代理に与えることがある。代理は、タスク推奨システム１１２によって与えられた推奨を検討し、チャットセッションを介して、メンバー１１８に追加のタスクパラメータを与えるように促し得る。このプロセスは、特定のタスクを定義するためにメンバー１１８に与えられるプロンプトの数を低減することがあり、それによって、メンバー１１８に対する認知的負荷を低減する。いくつかの例では、タスクに関してメンバー１１８に提示され得る質問の推奨を代理に与えるのではなく、タスク推奨システム１１２は、チャットセッションを介してこれらの質問をメンバー１１８に自動的に提示し得る。たとえば、タスク推奨システム１１２が、メンバーの自宅の面積に関する質問がタスクに必要であると決定した場合、タスク推奨システム１１２は、チャットセッションを介して、メンバーの自宅の面積を与えるようにメンバー１１８に自動的に促し得る。

【0034】

[0059]いくつかの実施形態では、代理がメンバー１１８からおよび／またはタスク推奨システム１１２を通して必要なタスク関連情報（たとえば、同様の状況にあるメンバーに対して実施されたタスクの評価を介して得られたタスクパラメータなど）を取得すると、代理は、タスクの解決のための１つまたは複数の提案を生成するために、タスク容易化サービス１０２のタスク調整システム１１４を利用し得る。タスク調整システム１１４は、コンピュータシステムを使用して、またはタスク容易化サービス１０２のコンピュータシステム上に実装されたアプリケーションもしくは他の実行可能コードとして実装され得る。いくつかの例では、代理は、上記で説明されたように、代理およびタスク推奨システム１１２によって識別された１つまたは複数のタスクパラメータに従って、メンバー１１８のためのタスクの実施のために使用され得る１つまたは複数のサードパーティサービス１１６および／またはリソース（たとえば、小売業者、レストラン、ウェブサイト、ブランド、商品のタイプ、特定の商品など）を識別するために、タスク調整システム１１４によって維持されたリソースライブラリを利用し得る。提案は、タスクの完了のための時間枠、タスクの完了のために関与されることになる任意のサードパーティサービス１１６（もしあれば）の識別、タスクの完了のための予算推定、タスクの完了のために使用されるべきリソースまたはリソースのタイプなどを指定し得る。代理は、提案を進めるか、またはタスクを完了するための代替提案を与えるのいずれかを行うために、メンバー１１８からの応答を要請するために、チャットセッションを介してメンバー１１８に提案を提示し得る。

【0035】

[0060]いくつかの実施形態では、タスク推奨システム１１２は、代理がメンバー１１８に提案を与えるべきかどうかに関する推奨を代理に与えるか、または代わりに定義されたタスクの完了に関して代理に委ねるオプションをメンバーに与えることができる。たとえば、タスクの追加のパラメータを識別するためにメンバーおよびタスク関連情報をタスク推奨システム１１２に与えることに加えて、代理は、メンバー１１８にタスクの完了のための１つまたは複数の提案を提示するか、または、タスクの完了のために代理に委ねるオプションをメンバー１１８に提示するのいずれかを行うために、その推奨をタスク推奨システム１１２に示し得る。タスク推奨システム１１２は、上述の推奨を生成するために、機械学習アルゴリズムまたは人工知能を利用し得る。タスク推奨システム１１２は、タスクの完了のための１つまたは複数の提案の提示を推奨すべきかどうか、または、タスクの完了のために代理に委ねるオプションをメンバー１１８に提示すべきかどうかを決定するために、代理によって与えられた情報と、ユーザデータストア１０８からの同様の状況にあるメンバーについてのデータ、およびタスクデータストア１１０からの同様のタスクに対応するタスクデータ（たとえば、提出されたタスクと同様のパラメータを有するタスク、同様の状況にあるメンバーに代わって実施されるタスクなど）とを利用し得る。

【0036】

[0061]代理が、タスクの完了のために代理に委ねるオプションをメンバーが提示されるべきであると決定した場合、代理は、チャットセッションを介してこのオプションをメンバーに提示し得る。オプションは、メンバーがオプションのその承認を示すために選択し得るボタンまたは他のグラフィカルユーザインターフェース（ＧＵＩ）要素の形態で提示され得る。いくつかの態様では、そのようなＧＵＩ要素は、チャットフローインターフェースまたは任意の他のそのようなインターフェースにおいて提示され得る。たとえば、メンバーは、タスクの実施に関係するすべての決定を代理に委ねるオプションをメンバーに与えるためのボタンまたは同様の機能を提示され得る。メンバー１１８がそのオプションを選択した場合、代理は、メンバー１１８に対する提案の生成を控えることがあり、代わりに、タスクの実施および完了のために１つまたは複数のサードパーティサービス１１６との調整に進む。タスクの完了のためにメンバー１１８に代わって代理によって取られた任意の行為は、タスクデータストア１１０内のタスクに対応するエントリに記録され得る。代替的に、メンバー１１８がオプションを拒絶し、代わりに、代理がタスクの完了のために１つまたは複数の提案を与えることになることを示す場合、代理は、上記で説明されたように、１つまたは複数の提案を生成し得る。

【0037】

[0062]タスク推奨システム１１２は、いくつかの実施形態では、オプションの提示のために代理に推奨を行うために使用される機械学習アルゴリズムまたは人工知能をトレーニングする際に使用するために、タスクの完了のために代理に委ねるオプションを提示されることに対するメンバーの反応を記録する。たとえば、代理がメンバー１１８にオプションを提示することを選択した場合、タスク推奨システム１１２は、メンバー１１８がオプションを選択したか、または申し出を断ってタスクに関係する提案の提示を要求したかを記録し得る。同様に、代理が、代理に委ねるオプションを提示する代わりに、１つまたは複数の提案を提示することを選択した場合、タスク推奨システム１１２は、メンバー１１８がこれらの１つまたは複数の提案の提示に満足したかどうか、または代理がメンバーに代わって提案を選択することを要求したかどうかを記録し、したがって、タスクの完了のために代理に委ねることがある。これらのメンバー反応は、タスクに対応するデータ、代理の行為（たとえば、オプションの提示、提案の提示など）、およびタスク推奨システム１１２によって与えられる推奨とともに、機械学習アルゴリズムまたは人工知能をトレーニングおよび／または強化する際にタスク推奨システム１１２によって使用するために、タスクデータストア１１０内に記憶され得る。

【0038】

[0063]いくつかの実施形態では、代理は、メンバー特性と、タスク履歴と、他のファクタとに基づいて、１つまたは複数のタスクを提案し得る。たとえば、メンバー１１８がチャットセッションを介して代理と通信するとき、代理は、メンバーの認知的負荷を低減するために実施され得る任意のタスクを識別するために、メンバー１１８からの任意のメッセージを評価し得る。例示的な例として、メンバー１１８が、チャットセッションを通して、メンバーの配偶者の誕生日が近づいていることを示す場合、代理は、メンバーの配偶者の誕生日を見越してメンバー１１８に推奨され得る１つまたは複数のタスクを開発するために、メンバー１１８のその知識を利用し得る。代理は、ケーキを購入すること、花を注文すること、メンバー１１８のために一意の旅行経験をセットアップすることなどのタスクを推奨し得る。いくつかの実施形態では、代理は、メンバー入力なしにタスク提案を生成することができる。たとえば、オンボーディングプロセスの一部として、メンバー１１８は、タスク容易化サービス１０２に、メンバーのカレンダ、メンバーのモノのインターネット（ＩｏＴ）デバイス、メンバーの個人用フィットネスデバイス（たとえば、フィットネストラッカ、通信機能を有する運動機器など）、メンバーの車両データなどの１つまたは複数のメンバーリソースへのアクセスを与えることがある。これらのメンバーリソースから収集されたデータは、メンバー１１８のためのタスク提案を生成するためにデータをパースし得る代理によって監視され得る。

【0039】

[0064]いくつかの実施形態では、代理とのチャットセッションにわたってメンバー１１８から収集されたデータは、完了のためにメンバー１１８に提示され得る１つまたは複数のタスクを識別するために、タスク推奨システム１１２によって評価され得る。たとえば、システム推奨システム１１２は、メンバー１１８に推奨され得る可能なタスクを識別するためにメンバー１１８からの受信されたメッセージまたは他の通信を評価するために自然言語処理（ＮＬＰ）または他の人工知能を利用し得る。たとえば、システム推奨システム１１２は、メンバー１１８が解決することを望む新しいタスクまたは他の問題を検出するためにＮＬＰまたは他の人工知能を使用してメンバー１１８からのあらゆる着信メッセージを処理し得る。いくつかの例では、タスク推奨システム１１２は、可能なタスクを識別するようにＮＬＰまたは他の人工知能をトレーニングするために、タスクデータストア１１０からの履歴タスクデータおよび対応するメッセージを利用し得る。タスク推奨システム１１２が、メンバー１１８に推奨し得る１つまたは複数の可能なタスクを識別する場合、タスク推奨システム１１２は、これらの可能なタスクを代理に提示することがあり、代理は、チャットセッションを介してメンバー１１８と共有され得るタスクを選択し得る。

【0040】

[0065]いくつかの実施形態では、タスク推奨システム１１２は、メンバー１１８によって与えられた画像またはビデオ記録を処理し、完了のためにメンバー１１８に推奨され得る潜在的なタスクを識別するために、コンピュータビジョンまたは他の人工知能を利用することができる。たとえば、代理は、メンバー１１８のために完了され得る潜在的なタスクを識別するために、メンバーの自宅のウォークスルー中に画像またはビデオを記録するようにメンバー１１８を促し得る。例示的な例として、メンバー１１８は、修理を必要としている損傷したベースボードに関係するデジタル画像またはビデオを記録するために、モバイルデバイス（たとえば、スマートフォン、デジタルビデオレコーダなど）を使用し得る。これらのデジタル画像またはビデオは、損傷したベースボードを検出し、ベースボードに必要とされる修理の可能な範囲と、損傷したベースボードを修理するために実施され得る可能なタスクとを識別するために、タスク推奨システム１１２によってリアルタイムに処理され得る。加えて、デジタル画像またはビデオは、損傷したベースボードに関係し得るが、タスク推奨システム１１２は、タスクが推奨され得る追加および／または代替の問題を識別するために、デジタル画像またはビデオをさらに処理し得る。たとえば、損傷したベースボードに加えて、メンバー１１８がベースボード内でシロアリの問題を経験している場合があることをタスク推奨システム１１２が検出した場合、タスク推奨システム１１２は、検出されたシロアリの駆除に対応するタスクを推奨することがある。したがって、タスク推奨システム１１２は、コンピュータビジョンまたは他の人工知能を使用して、メンバー１１８が認識していないことがある考えられる問題を検出し得る。

【0041】

[0066]いくつかの実施形態では、タスク推奨システム１１２は、メンバーの認知的負荷を低減するために、完了のためにメンバー１１８に提示され得る可能なタスクのリストを生成することができる。たとえば、異なるメンバーソース（たとえば、ＩｏＴデバイス、個人用フィットネスまたはバイオメトリックデバイス、ビデオおよびオーディオ記録など）から収集されたデータの評価に基づいて、タスク推奨システム１１２は、メンバー１１８のために完了され得るタスクの初期セットを識別し得る。さらに、タスク推奨システム１１２は、外部ファクタに基づいて追加および／または代替のタスクを識別することができる。たとえば、タスク推奨システム１１２は、メンバーの地理的ロケーションに基づいて季節的タスク（たとえば、葉の収集、雨樋の清掃など）を識別することができる。別の例として、タスク推奨システム１１２は、メンバーの地理的領域内の他のメンバーのために実施されたタスク、および／または、場合によっては同様の状況にある（たとえば、メンバー１１８と１つまたは複数の特性を共有する）タスクを識別し得る。たとえば、メンバーの地域内の様々なメンバーが、冬の間、メンバーの雨樋を清掃してもらっているか、または車道を閉鎖されている場合、タスク推奨システム１１２は、これらのタスクがメンバー１１８のために実施され得、完了のためにメンバー１１８に訴求し得ると決定し得る。

【0042】

[0067]いくつかの実施形態では、タスク推奨システム１１２は、タスクの初期セットと、ユーザデータストア１０８からのメンバー固有のデータ（たとえば、特性、人口統計、ロケーション、推奨および提案に対する過去の応答など）と、ユーザデータストア１０８からの同様の状況にあるメンバーに対応するデータと、メンバー１１８およびタスクデータストア１１０からの他の同様の状況にあるメンバーのために以前に実施されたタスクに対応する過去のデータとを、実施のためにメンバー１１８に推奨され得るタスクのセットを識別するために、機械学習アルゴリズムまたは人工知能への入力として使用することができる。たとえば、タスクの初期セットは、雨樋の清掃に関係するタスクを含むことがあるが、メンバーの選好に基づいて、メンバー１１８は、このタスクを自分自身で実施することを好むことがある。したがって、機械学習アルゴリズムまたは人工知能（たとえば、メンバー１１８に推奨され得るタスクのセット）の出力は、このタスクを省略し得る。さらに、メンバー１１８に推奨され得るタスクのセットに加えて、機械学習アルゴリズムまたは人工知能の出力は、上記で説明されたように、識別されたタスクごとに、メンバー１１８がタスクの実施のために代理に委ねたいことを示すために選択し得るボタンまたは他のＧＵＩ要素の提示のための推奨を指定し得る。

【0043】

[0068]メンバー１１８に推奨され得るタスクのセットのリストは、どのタスクがチャットセッションを介してメンバー１１８に提示され得るかに関する最終決定のために、代理に提供され得る。いくつかの実施形態では、タスク推奨システム１１２は、メンバー１１８が、サードパーティサービス１１６の実施および／またはサードパーティサービス１１６との調整のために代理に委任するタスクを選択する可能性に基づいて、タスクのセットのリストをランク付けし得る。代替的に、タスク推奨システム１１２は、各タスクの完了の緊急度のレベルに基づいて、タスクのセットのリストをランク付けし得る。緊急度のレベルは、メンバー特性（たとえば、いくつかのタスクまたはタスクのカテゴリのメンバー自身の優先度付けに対応するデータ）および／またはタスクが実施されない場合のメンバー１１８に対する潜在的リスクに基づいて決定され得る。たとえば、メンバーの自宅の中の一酸化炭素検出器の交換または設置に対応するタスクは、一酸化炭素フィルタがメンバーの安全により重要であり得るので、冷蔵庫のウォーターディスペンサーのフィルタの交換に対応するタスクよりも高くランク付けされ得る。別の例示的な例として、メンバー１１８がメンバーの車両の保守に有意な重要度を置く場合、タスク推奨システム１１２は、車両の保守に関係するタスクを他のタイプの保守に関係するタスクよりも高くランク付けし得る。さらに別の例示的な例として、タスク推奨システム１１２は、今度の誕生日に関係するタスクを、今度の誕生日の後に完了されることになるタスクよりも高くランク付けし得る。

【0044】

[0069]代理は、タスク推奨システム１１２によって推奨されたタスクのセットを検討し、チャットセッションを介してメンバー１１８に提示するために、これらのタスクのうちの１つまたは複数を選択し得る。さらに、上記で説明されたように、代理は、タスクの実施を代理に委ねるオプションをタスクに提示すべきかどうかを（たとえば、タスクの実施を代理に委ねるメンバーの選好を示すボタンまたは他のＧＵＩ要素によって）決定し得る。いくつかの例では、１つまたは複数のタスクは、タスク推奨システム１１２によって生成されたランキングに従ってメンバー１１８に提示され得る。代替的に、１つまたは複数のタスクは、タスク優先度付けのためのメンバー自身の選好に関する代理の理解に従って提示され得る。チャットセッションに関連するインターフェースを通して、メンバー１１８は、代理の支援を受けて実施され得る１つまたは複数のタスクを選択し得る。代替的に、メンバー１１８は、メンバー１１８がむしろ個人的に実施するであろう、またはメンバー１１８が場合によっては実施することを望まない、任意の提示されたタスクを却下し得る。

【0045】

[0070]いくつかの実施形態では、タスク推奨システム１１２は、代理の対話なしにチャットセッションを介してメンバー１１８に提示するためのタスクのうちの１つまたは複数を自動的に選択し得る。たとえば、タスク推奨システム１１２は、タスク推奨システム１１２によって以前にランク付けされたタスクのセットのリストからタスクを選択するために、機械学習アルゴリズムまたは人工知能を利用し得る。例示的な例として、タスク推奨システム１１２は、ユーザデータストア１０８からのメンバーのプロファイル（メンバーと代理との間の通信に対応する履歴データ、代理の実施および提示されたタスク／提案に対応するメンバーのフィードバックなどを含むことができる）と、メンバー１１８のために現在進行中のタスクと、機械学習アルゴリズムまたは人工知能への入力としてのタスクのセットのリストとを使用し得る。機械学習アルゴリズムまたは人工知能によって生成された出力は、タスクのセットのリストのどのタスクが、チャットセッションに関連するインターフェースを介してメンバー１１８に自動的に提示されるべきかを示し得る。メンバー１１８がこれらの新たに提示されたタスクと対話するとき、タスク推奨システム１１２は、機械学習アルゴリズムまたは人工知能をさらにトレーニングして、メンバー１１８および他の同様の状況にあるメンバーにどのタスクを提示すべきかをより良好に決定するために、これらの対話を記録し、これらの対話を使用し得る。

【0046】

[0071]いくつかの実施形態では、タスク推奨システム１１２は、実施のための代理への委任のためのタスクのメンバー選択に関するデータを収集するために、メンバー１１８と代理との間のチャットセッションを監視することができる。たとえば、タスク推奨システム１１２は、各タスクに対応する極性または感情を決定するために、チャットセッションを介して代理によってメンバー１１８に提示されたタスクに対応するメッセージを処理し得る。たとえば、メンバー１１８が、代理へのメッセージにおいて、車両保守に対応するあらゆるタスク推奨も受信しないことを選好することを示す場合、タスク推奨システム１１２は、否定極性または感情を車両保守に対応するタスクのものとし得る。代替的に、メンバー１１８が、代理への委任のために雨樋の清掃に関係するタスクを選択し、および／または代理へのメッセージ中でこのタスクの推奨がよいアイデアであったことを示す場合、タスク推奨システム１１２は、肯定極性または感情をこのタスクのものとし得る。いくつかの実施形態では、タスク推奨システム１１２は、メンバー１１８およびタスク容易化サービス１０２の他の同様の状況にあるメンバーに提示し得るタスク推奨を生成するために利用される機械学習アルゴリズムまたは人工知能をさらにトレーニングまたは強化するために、メンバー１１８に推奨されるタスクに対するこれらの応答を使用することができる。

【0047】

[0072]いくつかの実施形態では、メンバー１１８のために実施され得るタスクを推奨することに加えて、代理は、メンバー１１８に対して、メンバーの心を緊急の事柄から遠ざけ、メンバー自身およびメンバーの家族により多くの時間を費やすように訴求し得る１つまたは複数の管理された経験を推奨し得る。上記のように、オンボーディングプロセス中に、メンバー１１８は、メンバー１１８が楽しいと感じるその関心または趣味のいずれかを示すように促され得る。さらに、代理がチャットセッションにわたってメンバー１１８との対話を継続すると、代理は、メンバー１１８に、その関心に関する追加情報を自然な方法で与えるように促し得る。たとえば、代理は、メンバー１１８に「今週末は何をしますか？」と尋ねることがある。メンバー応答に基づいて、代理は、メンバーの選好を示すようにメンバーのプロファイルを更新し得る。したがって、時間とともに、代理およびタスク容易化サービス１０２は、メンバーの関心および趣味のより深い理解を進展させることがある。

【0048】

[0073]いくつかの実施形態では、タスク容易化サービス１０２は、タスク容易化サービス１０２が動作する各地理的市場において、メンバーが利用可能であり得る経験のセットを生成する。たとえば、タスク容易化サービス１０２は、タスク容易化サービスのメンバーにとって関心があり得る一意のおよび／または時間制限された経験機会を識別するために、各地理的市場内の様々な組織と提携し得る。さらに、管理を必要としない経験（たとえば、ハイキング、散策など）に対して、タスク容易化サービス１０２は、そのメンバーに訴求し得る各地理的市場内の人気のある経験を識別し得る。タスク容易化サービス１０２によって収集された情報は、タスク推奨システム１１２および様々な代理１０６がアクセス可能なリソースライブラリまたは他のリポジトリに記憶され得る。

【0049】

[0074]いくつかの実施形態では、各利用可能な経験について、タスク容易化サービス１０２は、メンバー１１８に代わって経験を計画するためにメンバー１１８から必要とされる情報と、メンバー１１８に提示されたときに経験推奨の提案がどのように見えるかのスケルトンとの両方を含むテンプレートを生成することができる。これは、代理が、経験と関連するタスクの定義を完了することをより容易にし得る。いくつかの例では、テンプレートは、旅行ガイド、食品およびレストランガイド、評判の良い出版物などの高品質の推奨を与える様々なソースからのデータを組み込むことができる。

【0050】

[0075]いくつかの実施形態では、タスク推奨システム１１２は、周期的に（たとえば、毎月、隔月など）、またはトリガイベント（たとえば、設定された数のタスクが行われること、メンバー要求など）に応答して、メンバー１１８に推奨され得る経験のセットを選択する。たとえば、メンバー１１８に推奨され得るタスクの識別と同様に、タスク推奨システム１１２は、出力として、メンバー１１８に推奨され得る経験のセットを取得するために、少なくとも、ユーザデータストア１０８からの利用可能な経験のセットおよびメンバーの選好を、機械学習アルゴリズムまたは人工知能への入力として使用し得る。タスク推奨システム１１２は、いくつかの例では、代理に代わってチャットセッションを介して、この経験のセットをメンバー１１８に提示し得る。各経験推奨は、経験の説明とメンバー１１８によって負担され得る任意の関連コストとを指定し得る。さらに、提示された各経験推奨について、タスク推奨システム１１２は、メンバー１１８のための経験の管理を要求するために、メンバー１１８によって選択可能であり得るボタンまたは他のＧＵＩ要素を与え得る。

【0051】

[0076]メンバー１１８がそれに代わって管理されることを望む経験に対応する特定の経験推奨をメンバー１１８が選択する場合、タスク推奨システム１１２または代理は、選択された経験推奨の管理に関係する１つまたは複数の新しいタスクを生成し得る。たとえば、メンバー１１８が週末ピクニックに関係する経験推奨を選択した場合、タスク推奨システム１１２または代理は、メンバー１１８がタスクの完了の進捗を評価し得るように、新しいタスクをメンバーのタスクリストに追加し得る。さらに、代理は、選択された経験に関連するタスクの完了のための提案を決定する際に代理を支援するために、選択された経験に関係する詳述された質問をメンバー１１８に尋ね得る。たとえば、メンバー１１８が週末ピクニックの管理に関係する経験推奨を選択した場合、この情報は、すべてのパーティについて週末ピクニックを管理し、適切なサードパーティサービス１１６および週末ピクニックのための可能な会場を識別するように代理を誘導し得るので、代理は、参加する成人および子供の数に関してメンバー１１８に尋ね得る。

【0052】

[0077]メンバー１１８のためにタスクを完了するための上述のプロセスと同様に、代理は、選択された経験の管理のための１つまたは複数の提案を生成することができる。たとえば、代理は、とりわけ、経験のための日／時間のリスト、経験のための可能な会場（たとえば、公園、映画館、ハイキングトレイルなど）のリスト、可能な食事オプションおよび対応する価格のリスト、食事の配達または受取りのためのオプションなどを与える提案を生成し得る。提案における様々なオプションは、チャットセッションを介して、タスク容易化サービス１０２によって与えられるアプリケーションによってメンバー１１８に提示され得る。提案に提示された様々なオプションに対するメンバーの応答に基づいて、代理は、経験のための管理プロセスを開始していることを示し得る。さらに、代理は、メンバー１１８に関連し得る経験に関連する情報を与え得る。たとえば、メンバー１１８が週末のピクニックのために選択されたレストランから食べ物をピックアップするオプションを選択した場合、代理は、食べ物をピックアップするためのメンバーの自宅からレストランまでの詳細な運転指示（これは、メンバー１１８が配達オプションを選択した場合には提示されない）と、レストランから選択された会場までの詳細な運転指示と、駐車情報と、注文されるべき食べ物のリストと、食べ物の注文の合計価格とを与えることがある。メンバー１１８は、この提案を検討することがあり、提案を受け入れるかどうかを決定し得る。メンバー１１８が提案を受け入れた場合、代理は、選択された経験を管理するために様々なタスクを実施することに進み得る。

【0053】

[0078]メンバー１１８が、タスクの実施を代理に委ねることを望むことをそれが示すために、特定のタスクに対する特定の提案を選択するか、または特定のタスクに関連するボタンもしくは他のＧＵＩ要素を選択すると、タスクがサードパーティサービス１１６を使用して完了されることになる場合、代理は、メンバー１１８のためにタスクの完了のために１つまたは複数のサードパーティサービス１１６と調整し得る。たとえば、代理は、タスクの実施のために１つまたは複数のサードパーティサービス１１６を識別し、連絡するために、タスク容易化サービス１０２のタスク調整システム１１４を利用し得る。上記のように、タスク調整システム１１４は、サードパーティサービス１１６に関係する詳細情報を含むリソースライブラリを含み得る。たとえば、リソースライブラリ中のサードパーティサービスのためのエントリは、サードパーティサービスのための連絡先情報、サードパーティサービスによって提供されるサービスまたは商品のためのあらゆる利用可能な価格シート、サードパーティサービスによって提供される商品および／またはサービスのリスト、営業時間、異なるカテゴリのメンバーによる評価またはスコアなどを含み得る。代理は、タスクを実施することになる１つまたは複数のサードパーティサービスを識別し、タスクの実施の推定コストを決定するために、リソースライブラリに問い合わせ得る。さらに、代理は、メンバー１１８のためにタスクの実施を調整するために、１つまたは複数のサードパーティサービス１１６に連絡し得る。

【0054】

[0079]いくつかの例では、タスクが代理１０６によって完了されることになる場合、代理１０６は、タスクの実施のために代理１０６によって利用され得る任意のリソースを識別するために、タスク容易化サービス１０２のタスク調整システム１１５を利用し得る。リソースライブラリは、タスクの実施に利用可能な異なるリソースに関する詳細情報を含み得る。例示的な例として、代理１０６がメンバーの自宅のためのフィルタのセットを購入するタスクを課された場合、代理１０６は、メンバー１１８が許容可能な、メンバー１１８によって許容された提案に対応する品質および／または価格のフィルタを販売し得る小売業者を識別するために、リソースライブラリに問い合わせ得る。さらに、代理１０６は、ユーザデータストア１０８から、タスクを完了するために代理１０６によって必要とされる任意のリソースに対する支払いを行うために使用され得るメンバー１１８の利用可能な支払情報を取得し得る。上述の例を使用すると、代理１０６は、メンバーの自宅で使用されることになるフィルタのセットの小売業者との購入を完了するために、ユーザデータストア１０８からメンバー１１８の支払情報を取得し得る。

【0055】

[0080]いくつかの実施形態では、タスク調整システム１１４は、タスクの実施のために代理に代わって１つまたは複数のサードパーティサービス１１６および／またはリソースを選択するために、機械学習アルゴリズムまたは人工知能を使用する。たとえば、タスク調整システム１１４は、タスクに関連する選択された提案またはパラメータ（たとえば、メンバー１１８が、タスクがどのように実施されるべきかを決定するために代理に委ねられた場合）と、機械学習アルゴリズムまたは人工知能への入力として類似のタスクに対応するタスクデータストア１１０からの履歴タスクデータとを利用し得る。機械学習アルゴリズムまたは人工知能は、出力として、メンバー１１８に対して高い満足度の確率でタスクを実施し得る１つまたは複数のサードパーティサービス１１６のリストを生成し得る。タスクが代理１０６によって実施されることになる場合、機械学習アルゴリズムまたは人工知能は、出力として、メンバー１１８に対して高い満足度の確率でタスクを実施するために代理１０６によって使用され得るリソース（たとえば、小売業者、レストラン、ブランドなど）のリストを生成し得る。上記のように、リソースライブラリは、各サードパーティサービス１１６について、タスク容易化サービス１０２のメンバーによって決定されたサードパーティサービス１１６に対する満足に関連する評価またはスコアを含み得る。さらに、リソースライブラリは、タスク容易化サービス１０２のメンバーによって決定される各リソース（たとえば、小売業者、レストラン、ブランド、商品、材料など）に対する満足に関連する評価またはスコアを含み得る。たとえば、タスクが完了すると、代理は、メンバー１１８のために、タスクを完了する際のサードパーティサービスの実施に関する評価またはスコアを与えるようにメンバー１１８を促し得る。別の例として、タスクが代理１０６によって実施される場合、代理は、代理の実施およびタスクの完了のために代理によって利用されるリソースに関する評価またはスコアを与えるようにメンバー１１８を促し得る。各評価またはスコアは、タスク調整システム１１４が、機械学習アルゴリズムまたは人工知能を使用して、同様の状況にあるメンバーのための同様のタスクに関して、サードパーティサービスの実施または代理によって利用されるリソースの満足度に基づいて、タスクの実施に対する満足度の可能性を決定し得るように、評価またはスコアを与えたメンバーに関連付けられる。タスク調整システム１１４は、タスクの実施のために推奨されるサードパーティサービス１１６および／またはリソースのリストを生成することがあり、それによって、リストは、各識別されたサードパーティサービスおよび／またはリソースに割り当てられた満足度の可能性（たとえば、スコアまたは他のメトリック）に従ってランク付けされ得る。

【0056】

[0081]代理が、タスクの実施のために１つまたは複数のサードパーティサービス１１６と調整すること（たとえば、タスクの実施のための時間をスケジュールすること、タスクの実施のための価格に同意することなど）が可能な場合、代理は、タスクがいつ完了されることが予想されるのかと、タスクの完了のための推定コストとを示すために、メンバー１１８に対して更新を与え得る。更新で与えられた情報のいずれかが、提案で与えられた推定に対応しない場合、メンバー１１８は、特定のタスクをキャンセルするオプションを与えられるか、または別の様式でタスクに変更を加え得る。たとえば、タスクの実施のための推定コストが、提案で指定された最大額を超える場合、メンバー１１８は、提案で指定された予算内でタスクの実施のための代替のサードパーティサービスを発見するように代理に依頼し得る。同様に、タスクの完了のための時間枠が、提案に示される時間枠内にない場合、メンバー１１８は、元の時間枠内のタスクの実施のための代替のサードパーティサービスを発見するように代理に依頼することができる。メンバーの介入は、メンバー１１８のためのより正確な提案パラメータを定義することと、定義された提案パラメータ内でタスクを実施し得るサードパーティサービス１１６をより良く識別することとをそれぞれ行うためにタスク推奨システム１１２とタスク調整システム１１４とによってそれらの対応する機械学習アルゴリズムまたは人工知能を再トレーニングするために記録され得る。

【0057】

[0082]いくつかの実施形態では、代理がタスクの実施のために１つまたは複数のサードパーティサービス１１６と契約を結ぶと、タスク調整システム１１４は、これらのサードパーティサービス１１６によるタスクの実施を監視し得る。たとえば、タスク調整システム１１４は、タスクの実施のための時間枠、タスクの実施に関連するコスト、タスクの実施に関するあらゆるステータス更新などに関してサードパーティサービス１１６によって与えられたあらゆる情報を記録し得る。タスク調整システム１１４は、この情報を、実施されているタスクに対応するタスクデータストア１１０内のデータレコードに関連付けることがある。サードパーティサービス１１６によって与えられたステータス更新は、タスク容易化サービス１０２によって与えられるアプリケーションを介してメンバー１１８におよび代理に自動的に与えられ得る。

【0058】

[0083]いくつかの実施形態では、タスクが代理１０６によって実施されることになる場合、タスク調整システム１１４は、代理１０６によるタスクの実施を監視することができる。たとえば、タスク調整システム１１４は、タスクの代理の実施に関する、代理１０６とメンバー１１８との間の任意の通信をリアルタイムで監視し得る。これらの通信は、タスクの実施に関する任意のステータス更新、タスクを実施する際に代理１０６によって負担されたあらゆる購入または支出、タスクの完了のための時間枠などを示す代理１０６からのメッセージを含み得る。タスク調整システム１１４は、代理１０６からのこれらのメッセージを、実施されているタスクに対応するタスクデータストア１１０内のデータレコードに関連付けることがある。

【0059】

[0084]いくつかの例では、代理は、メンバー１１８に代わって１つもしくは複数のサードパーティサービス１１６によって与えられたサービスおよび／もしくは商品に対する支払い、またはタスクの完了のために代理によって行われた購入に対する支払いを自動的に行うことがある。たとえば、オンボーディングプロセス中に、メンバー１１８は、サードパーティサービス１１６に支払いを行うために、またはメンバー１１８のために代理１０６によって行われる購入のために、代理によって使用され得る支払情報（たとえば、クレジットカード番号および関連情報、デビットカード番号および関連情報、銀行情報など）を与え得る。したがって、メンバー１１８は、代理１０６および／またはサードパーティサービス１１６がメンバー１１８のためのタスクの実施を開始することを可能にするために、いかなる支払情報を与えることも必要とされないことがある。これは、タスクの実施を管理するためのメンバー１１８に対する認知的負荷をさらに低減し得る。

【0060】

[0085]上記のように、タスクが完了すると、メンバー１１８は、タスクの完了に関するフィードバックを与えるように促され得る。本明細書で説明される任意の他の情報またはメッセージとまさに同様に、そのようなプロンプトは、サービス１０２からデバイス１２０に通信され、チャットフローインターフェース内でメンバー１１８に提示され得る。たとえば、メンバー１１８は、サービス１０２からデバイス１２０を介してタスクマイルストーンまたはタスク完了の通知を受信し得る。通知は、マイルストーンの完了を確認し、タスクの実施における選択されたサードパーティサービス１１６の実施およびプロ意識に関するフィードバックを与えるためのプロンプトとともに、チャットフローインターフェース内に提示され得る。さらに、メンバー１１８は、代理によって与えられた提案の品質に関して、またタスクの実施がタスクに関連する基礎をなす問題に対処したかどうかに関して、フィードバックを与えるように促され得る。メンバー１１８によって与えられる応答を使用して、タスク容易化サービス１０２は、タスクのより良い識別、提案の作成、メンバー１１８および他の同様の状況にあるメンバーのためにタスクの完了のためのサードパーティサービス１１６の識別、メンバー１１８のためにタスクの実施のために代理１０６に与えられ得るリソースの識別などを与えるために、タスク推奨システム１１２およびタスク調整システム１１４によって利用される機械学習アルゴリズムまたは人工知能をトレーニングまたは場合によっては更新し得る。

【0061】

[0086]本明細書で説明されるプロセスについて、代理１０６によって実施される様々な動作は、追加または代替として、１つまたは複数の機械学習アルゴリズムまたは人工知能を使用して実施され得ることに留意されたい。たとえば、代理１０６がメンバー１１８に代わって時間とともにタスクを実施するか、または別の様式でタスクの実施を調整するとき、タスク容易化サービス１０２は、代理１０６および／またはサードパーティサービス１１６によるこれらのタスクの実施に関係するメンバーのフィードバックに従って、メンバーのプロファイルを連続的および自動的に更新し得る。いくつかの実施形態では、タスク推奨システム１１２は、メンバーのプロファイルがある時間期間（たとえば、６か月、１年など）にわたって、またはタスクのセット（たとえば、２０個のタスク、３０個のタスクなど）にわたって更新された後、代理の対話ありでまたは対話なしで、メンバーのプロファイルの様々な属性（たとえば、メンバーと代理間の通信に対応する履歴データ、代理の実施および提示されたタスク／提案に対応するメンバーフィードバックなど）に基づいて、新しいタスクを自動的および動的に生成するために、機械学習アルゴリズムまたは人工知能を利用し得る。タスク推奨システム１１２は、新しいタスクに必要とされる任意の追加情報を取得し、これらのタスクの実施のためにメンバー１１８に提示され得る提案を自動的に生成するために、メンバー１１８と自動的に通信し得る。代理１０６は、会話が肯定極性を維持すること（たとえば、メンバー１１８がタスク推奨システム１１２または他のボットとのそれの対話に満足していることなど）を保証するために、タスク推奨システム１１２とメンバー１１８との間の通信を監視し得る。会話が否定極性を有していること（たとえば、メンバー１１８がフラストレーションを表明していること、タスク推奨システム１１２またはボットがメンバーの応答または依頼を処理することができないこと、など）を代理１０６が決定した場合、代理１０６は、会話に介入し得る。これにより、代理１０６が、任意のメンバーの問題に対処し、メンバー１１８に代わって任意のタスクを行うことを可能にし得る。

【0062】

[0087]したがって、自動化された顧客サービスシステムおよび環境が、エージェントまたは他の自動化されたシステムと対話するユーザの知識をほとんど有しない場合があるこれらのシステムおよび環境とは異なり、タスク推奨システム１１２は、システムとのメンバーの自動的な対話または代理１０６との対話に基づいて、また時間とともにメンバー１１８に代わって実施されるタスクに基づいて、メンバー１１８に関する最新の履歴情報を与えるためにメンバープロファイルを連続的に更新することができる。メンバー１１８またはシステムが代理１０６と対話するにつれて、また、タスクが時間とともにメンバー１１８のために考案され、提案され、実施されるにつれて、自動的で動的に更新され得る、この履歴情報は、メンバー１１８のクエリ、ニーズ、および／または目的に対する適切なまたはインテリジェントな応答を予期し、識別し、提示するために、タスク推奨システム１１２によって使用され得る。

【0063】

[0088]図２は、少なくとも１つの実施形態による、プロジェクト２２４と対応するタスク２２６とがタスク容易化サービス２０２によって生成され与えられる、チャットフローインターフェースを含む環境２００の例示的な例を示す。環境２００において、タスク容易化サービス２０２のメンバー２１０は、通信セッション２１６のチャットフローインターフェースにおいて提示される通信セッションのメッセージを用いて、通信セッションに関与し得る。図示されたチャットフローインターフェースにおいて表される通信セッション２１６および２２２は、インターフェースを表示するためにデバイス２１２を使用するメンバー２１０と、割り当てられた代理２０４との間のものである。メンバー２１０は、メンバー２１０が、チャットフローインターフェース２１６を使用してメンバー２１０のためにプロジェクトおよび／またはタスクを完了する際に支援を必要とすることを示すために、通信セッションを通して、１つまたは複数のメッセージ２１８を代理２０４に送信し得る。たとえば、図２に示されているように、メンバー２１０は、来月に新しい都市への引っ越しを計画する際の代理２０４の支援を求める要求を示し得る。代理２０４は、これらの１つまたは複数のメッセージ２１８に応答して、１つまたは複数のメッセージ２２０を介して、代理が、本明細書で説明されるように、代理２０４に利用可能なおよび／またはタスク容易化サービス２０２によって実装される様々な方法を通して特定のプロジェクトおよび／またはタスクをメンバー２１０が完了するのを支援することが可能であり得ることを示し得る。

【0064】

[0089]タスク容易化サービス２０２は、これらのメンバーのためにこれらのタスクの実施を調整し得る代理にタスクを識別して委任することによって、メンバーの自宅の中および周りで様々なタスクを実施する際のメンバーおよびメンバーの家族に対する認知的負荷を低減するように実装され得る。メンバー２１０などのメンバーは、タスク容易化サービス２０２がメンバー２１０の識別情報を収集し得るオンボーディングプロセス中に代理２０４とペアリングされ得る。たとえば、上記で説明されたように、タスク容易化サービス２０２によって与えられるチャットフローのインターフェースまたは要素は、メンバー２１０に対して、メンバー２１０がメンバー２１０の代理２０４を選択するために使用可能な識別情報を与え得る調査またはアンケートを提示し得る。タスク容易化サービス２０２は、チャットフローインターフェースにおいて提示される要素を介して、メンバーの自宅の住民の数、メンバーの自宅の子供の数、メンバーの自宅のペットの数およびタイプなど）、メンバーの自宅の物理的なロケーション、メンバー２１０の何らかの特別なニーズまたは要件（たとえば、物理的または感情的な障害、人口統計情報、またはメンバー２１０が場合によっては代理２０４に委任することを望む１つまたは複数のタスクに関連する任意の他の情報）などのタスクに関する詳細情報を与えるようにメンバー２１０を促し得る。この情報は、これらのタスクの性質（たとえば、雨樋の清掃、一酸化炭素検出器の設置、パーティーのプランニングなど）、これらのタスクの完了のための緊急度のレベル（たとえば、タイミング要件、最終期限、今度のイベントに対応する日付など）、これらのタスクの完了のためのあらゆるメンバー選好などを指定し得る。

【0065】

[0090]収集された識別情報は、代理２０４を識別し、それをメンバー２１０に割り当てるためにタスク容易化サービス２０２によって使用され得る。たとえば、タスク容易化サービス２０２は、メンバー２１０の識別情報、ならびに他のものにタスクを委任する際のメンバーの快適度または関心度のレベルに関係する任意の情報、およびオンボーディングプロセス中に取得された任意の他の情報を生産的な方式でメンバー２１０と対話し、通信するために好適であり得る代理を識別するように構成される分類またはクラスタリングアルゴリズムへの入力として使用し得る。分類またはクラスタリングアルゴリズムを使用して、タスク容易化サービス２０２は、メンバー２１０のために対処される必要があり得る任意のタスクに対処しながらメンバー２１０との良好で長期にわたる関係を開発する可能性が高くなり得る代理２０４を識別し得る。

【0066】

[0091]代理２０４は、メンバーの人口統計情報と代理の人口統計情報との間に類似性の程度またはベクトルに従ってメンバー２１０に割り当てられた個人であり得る。たとえば、メンバー２１０と代理２０４とが同様のバックグラウンドを共有する（たとえば、同じ都市の大学に在学した、同じ故郷からのものである、特定の関心を共有するなどの）場合、タスク容易化サービス２０２は、メンバー２１０に代理２０４を割り当てる可能性が高くなり得る。同様に、メンバー２１０と代理２０４とが互いに地理的近接度内のいる場合、タスク容易化サービス２０２は、メンバー２１０に代理２０４を割り当てる可能性が高くなり得る。まさに上記のように、いくつかの実施形態では、代理２０４は、自動的および動的にメンバー２１０に関与し、メンバー２１０と対話する（たとえば、代理２０４の動作に関与する人間の介入なしに、メンバー２１０と対話する）ように構成され得る、ボットなどの自動化されたプロセスであり得る。このような自動対話は、自動代理２０４の態様を管理する機械学習アルゴリズムへのリアルタイムフィードバックとともに動的に実施され得る。他の例では、代理２０４は、代理２０４に関連する通信および動作を開始、修正、および／または生成するために、人間の対話を使用して非自動的に実施される個々の動作に関連付けられる。代理２０４がタスク容易化サービス２０２によってメンバー２１０に割り当てられるとき、タスク容易化サービス２０２は、ペアリングをメンバー２１０と代理２０４とに通知し得る。さらに、タスク容易化サービス２０２は、メンバー２１０と代理２０４との間での通信を容易にするためにメンバー２１０と割り当てられた代理２０４との間のチャットセッションまたは他の通信セッションを確立し得る。

【0067】

[0092]いくつかの実施形態では、代理２０４は、リアルタイムチャットフロー内のメッセージからの詳細、そのようなメッセージに関連するタスクフラグ、メンバー特性、タスク履歴、および他のファクタに基づいて、１つまたは複数のタスクを提案することができる。たとえば、メンバー２１０が通信セッション２１６を介して代理２０４と通信するとき、代理２０４は、メンバーの認知的負荷を低減するために実施され得る任意のタスクを識別するために、リアルタイムチャットフローを介して与えられたメンバー２１０からの任意のメッセージ２１４を評価し得る。

【0068】

[0093]いくつかの実施形態では、タスク容易化サービス２０２は、タスク推奨システム２０６を介して、メンバー２１０がメンバーの利益のために代理２０４および／または１つもしくは複数のサードパーティサービス２１４によって実施されることを望み得る何らかのプロジェクトおよび／またはタスクを識別するために、リアルタイムにメッセージが交換される間にメンバー２１０と代理２０４との間のチャットフローに関連する通信セッション２１６を監視することができる。タスク推奨システム２０６は、コンピュータシステムを使用して、またはタスク容易化サービス２０２のコンピュータシステム上に実装されるアプリケーションもしくは他の実行可能コードとして実装され得る。いくつかの実施形態では、タスク推奨システム２０６は、メンバー２１０に推奨され得る可能なプロジェクトおよび／またはタスクを識別するために、通信セッション２１６を介してメンバー２１０と代理２０４との間で交換されるこれらのメッセージを処理するために、ＮＬＰまたは他の人工知能を有する機械学習アルゴリズムを利用する。たとえば、タスク推奨システム２０６は、メンバー２１０がメンバー２１０のために解決されるもしくは別の様式で実施されることを望む新しいプロジェクトおよび／またはタスクを検出するためにＮＬＰまたは他の人工知能を使用してメンバー２１０からのあらゆる着信メッセージ２１８を処理し得る。タスク推奨システム２０６は、次いで、アラート、メンバー２１０または代理２０４システムに追加される新しいタスクのためのタスク推奨を生成するか、またはリアルタイムチャットフローメッセージならびに他のコンテキスト情報（たとえば、メンバーのカレンダ、メンバーのモノのインターネット（ＩｏＴ）デバイス、通信機能を有するフィットネストラッカおよび運動機器を含むメンバーの個人用フィットネスデバイスなどの１つまたは複数のメンバーリソースからのデータ、メンバーの車両データ、時間およびタスク管理ソフトウェアからのデータ、やることリストなど）の分析に関連するチャットフローにデータを配置することを含む他のそのような行為を開始することができる。

【0069】

[0094]メンバーに関連するチャットフローおよび他のリソースからのデータは、動的な自動意思決定およびフィードバックシステムとともに使用され得る。そのような機械学習アルゴリズムまたは他の人工知能は、教師つきトレーニング技法を使用してトレーニングされ得る。たとえば、入力メッセージのデータセットと対応するプロジェクトおよびタスク（および対応するパラメータ）とは、機械学習アルゴリズムまたは他の人工知能のトレーニングのために選択され得る。機械学習アルゴリズムまたは人工知能は、機械学習アルゴリズムまたは人工知能に供給されるサンプル入力に基づいて、機械学習アルゴリズムまたは人工知能が供給されたメッセージに基づいてプロジェクトおよびタスクを正確に識別しているのかどうかを決定するために評価され得る。この評価に基づいて、機械学習アルゴリズムまたは人工知能は、機械学習アルゴリズムまたは人工知能が入力として与えられたサンプルメッセージに対応するプロジェクトおよび／またはタスクを正確に識別する可能性を増加させるように変更され得る。機械学習アルゴリズムまたは人工知能は、これらのメンバーと代理との間の通信セッションに基づいてプロジェクトおよびタスクの識別に関してタスク容易化サービス２０２のメンバーと代理とからのフィードバックを要請することによってさらに動的にトレーニングされ得る。たとえば、問題に対処するためにメンバー２１０が完了していたかったプロジェクトおよび／またはタスクを機械学習アルゴリズムまたは人工知能が識別することを失敗したとタスク推奨システム２０６が決定する場合、タスク推奨システム２０６は、タスク容易化サービス２０２のメンバーからの同様のメッセージに基づいてプロジェクトおよび／またはタスクをより良く識別するために機械学習アルゴリズムまたは人工知能を再トレーニングするために、プロジェクトまたはタスクが作成されなければならなかった問題を識別するメンバー２１０によって提出された対応するメッセージとともにこのフィードバックを使用し得る。

【0070】

[0095]いくつかの実施形態では、タスク推奨システム２０６がメンバー２１０のために実施され得る１つまたは複数のプロジェクトおよび／またはタスクを識別する場合、タスク推奨システム２０６は、タスク容易化サービス２０２によって代理２０４に与えられた代理コンソールを介して代理２０４にこれらの１つまたは複数のプロジェクトおよび／またはタスクを提示することができる。代理２０４は、メンバー２１０についてのその知識に基づいて、メンバー２１０への提示のために識別された１つまたは複数のプロジェクトおよび／またはタスクのいずれかを選択し得る。いくつかの例では、代理２０４が識別された１つまたは複数のプロジェクトおよび／またはタスクのいずれかを選択する場合、タスク推奨システム２０６は、代理コンソールを介して、選択されたプロジェクトおよび／またはタスクをさらに定義するために使用され得る１つまたは複数のタスクテンプレートを与え得る。１つまたは複数のタスクテンプレートは、定義されているプロジェクトおよび／またはタスクのためのタスクタイプまたはカテゴリに対応し得る。

【0071】

[0096]代理２０４は、特定のプロジェクトまたはタスクのためのタスクテンプレートを介して、メンバー２１０のために提示され、実施されることになる新しいプロジェクトまたはタスクに関連する様々なパラメータを定義し得る。たとえば、タスクテンプレートを介して、代理２０４は、（たとえば、代理２０４、サードパーティサービス２１４、メンバー２１０などへの）タスクの割当てを定義し得る。いくつかの例では、タスク推奨システム２０６は、どのデータフィールドが新しいタスクまたはプロジェクトの作成のために代理２０４へのタスクテンプレート中に提示されることになるのかを識別するために機械学習アルゴリズムまたは人工知能を使用し得る。たとえば、タスク推奨システム２０６は、機械学習アルゴリズムまたは人工知能ヘの入力として、メンバー２１０に関連するメンバープロファイルと新しいプロジェクトまたはタスクのための選択されたタスクテンプレートとを使用し得る。タスク推奨システム２０６は、メンバー２１０に提示されるときにどのデータフィールドがタスクから省略され得るのかを示し得る。したがって、代理２０４は、すべての情報がメンバー２１０に提示されるのかどうかにかかわらず新しいタスクまたはプロジェクトのためのすべての必要な情報を与える必要があり得る。

【0072】

[0097]上記で説明されたように、いくつかの実施形態では、タスク推奨システム２０６は、プロジェクトおよび／またはタスクをさらに定義するために対応するタスクテンプレートと代理２０４が対話する必要なしにプロジェクトおよび／またはタスクを自動的に生成することができる。たとえば、タスク推奨システム２０６は、メンバー２１０に推奨され得る新しいプロジェクトおよび／またはタスクを生成するために機械学習アルゴリズムまたは人工知能への入力としてメンバーのメッセージ２１８、メンバー固有のデータ（たとえば、特性、人口統計、ロケーション、推奨および提案に対する過去の応答など）、同様の状況にあるメンバーに対応するデータ、ならびにメンバー２１０および他の同様の状況にあるメンバーのために前に実施されたタスクに対応する履歴データを使用することができる。たとえば、メンバー２１０が、代理２０４との通信セッション２１６を介して、メンバー２１０がメンバーの雨樋を修理することに関する支援を必要とすることを示した場合、タスク推奨システム２０６は、必要とされる修理に対応するメンバー２１０のための新しいタスクを生成するために機械学習アルゴリズムまたは人工知能への入力として支援を求めるこの要求ならびに他の上述のデータに対応するメッセージ２１８を使用することができる。

【0073】

[0098]タスク容易化サービス２０２のメンバーのための新しいプロジェクトおよび／またはタスクを自動的に生成するために使用される機械学習アルゴリズムまたは人工知能は、教師つきトレーニング技法を使用してトレーニングされ得る。たとえば、入力メッセージと、メッセージのプロバイダおよび同様の状況にあるメンバーの対応するメンバープロファイルと、前に実施されたタスク／プロジェクトに対応する履歴データとのデータセットは、機械学習アルゴリズムまたは他の人工知能のトレーニングのために選択され得る。機械学習アルゴリズムまたは人工知能は、機械学習アルゴリズムまたは人工知能に供給されるサンプル入力に基づいて、機械学習アルゴリズムまたは人工知能が供給されたメッセージと同様の状況にあるメンバーの識別とに基づいてプロジェクトおよびタスクを正確に識別し、生成していのるかどうかを決定するために評価され得る。この評価に基づいて、機械学習アルゴリズムまたは人工知能は、機械学習アルゴリズムまたは人工知能が与えられた入力に対応するプロジェクトおよび／またはタスクを正確に識別し、生成する可能性を増加させるように変更され得る。機械学習アルゴリズムまたは人工知能は、上記で説明されたように、これらのメンバーと代理との間の通信セッションに基づいてプロジェクトおよびタスクの識別および自動的な生成に関してタスク容易化サービス２０２のメンバーと代理とからのフィードバックを要請することによってさらに動的にトレーニングされ得る。

【0074】

[0099]いくつかの例では、タスク推奨システム２０６は、機械学習アルゴリズムまたは人工知能を利用して、メンバー２１０のための新しいタスクを生成するために使用され得るタスク容易化サービス２０２の他のメンバーのために実施された同様のタスクを識別し得る。メンバーの雨樋を修理することに関する支援を求めるメンバーの要求の上述の例を使用して、タスク推奨システム２０６は、雨樋の修理に関連するメンバー２１０の地理的エリア（たとえば、同じ地域、同じ都市、同じ州など）内のメンバーのための任意の前に実施されたタスクを識別し得る。さらに、タスク推奨システム２０６は、任意の同様の状況にあるメンバー（たとえば、同様の選好をもつメンバー、同様の特性をもつメンバーなど）を識別するためにメンバー２１０の地理的エリア内のそのようなメンバーのメンバープロファイルを評価し得る。タスク推奨システム２０６がタスク容易化サービス２０２の同様の状況にあるメンバーのために前に実施された同様のタスクを識別する場合、タスク推奨システム２０６は、メンバー２１０のための新しいタスクを自動的に生成するためにこれらの同様のタスクを利用し得る。たとえば、タスク推奨システム２０６は、新しいタスクのために、同様のタスク説明を使用すること、タスクの実施のために同じまたは同様のサードパーティサービス２１４を選択すること、タスクの完了のために推定された予算を与えること、タスクのための優先度を定義すること、タスクの完了のために推定された最終期限または時間を割り当てることなどを行い得る。

【0075】

[0100]いくつかの実施形態では、タスク推奨システム２０６は、通信セッション２１６を介してメンバー２１０によって提出されるメッセージ２１８に基づいてメンバー２１０のための１つまたは複数の新しいプロジェクトおよび／またはタスクを自動的に生成する場合、タスク推奨システム２０６は、代理２０４が、１つまたは複数の新しいプロジェクトおよび／またはタスクを評価し、どのプロジェクトおよび／またはタスクをメンバー２１０に提示すべきかを決定することを可能にするために代理２０４に１つまたは複数の新しいプロジェクトおよび／またはタスクを与える。たとえば、メンバー２１０に推奨され得る１つまたは複数のプロジェクトおよび／またはタスクのリストは、どのプロジェクトおよび／またはタスクが通信セッション２１６を介しておよび／またはメンバー２１０に与えられたプロジェクトインターフェース２２２を通してメンバー２１０に提示され得るのかに関する最終的な決定のために代理２０４に与えられ得る。いくつかの実施形態では、タスク推奨システム２０６は、メンバー２１０が、実施および／またはサードパーティサービス２１４との調整のための代理２０４への委任のためのプロジェクトおよび／またはタスクを選択する可能性に基づいて新しいプロジェクトおよび／またはタスクをランク付けすることができる。代替的に、タスク推奨システム２０６は、各プロジェクトおよび／またはタスクの完了のための緊急度のレベルに基づいてプロジェクトおよび／またはタスクをランク付けし得る。緊急度のレベルは、メンバー特性（たとえば、いくつかのタスクまたはタスクのカテゴリのメンバーの自身の優先度付けに対応するデータ）ならびに／またはプロジェクトおよび／もしくはタスクが実施されない場合のメンバー２１０への潜在的なリスクに基づいて決定され得る。

【0076】

[0101]いくつかの実施形態では、タスク推奨システム２０６は、追加情報が新しいプロジェクトまたはタスクの作成のためにメンバー２１０から必要とされるのかどうかを自動的に決定することができる。たとえば、タスク推奨システム２０６は、タスクのための追加のパラメータならびに提案の生成のためにメンバー２１０から必要とされ得る何らかの追加情報を自動的に識別するために機械学習アルゴリズムまたは人工知能を使用して生成されたプロジェクトおよび／またはタスクとメンバー２１０に対応する情報とを処理し得る。たとえば、タスク推奨システム２０６は、プロジェクトおよび／またはタスクを定義するためにメンバー２１０の必要とされ得る何らかの追加情報を識別するために機械学習アルゴリズムまたは人工知能への入力として生成されたプロジェクトまたはタスクと、メンバー２１０に対応する情報と、他の同様の状況にあるメンバーのために実施されたプロジェクトおよび／またはタスクに対応する履歴データとを使用し得る。追加のメンバー入力がプロジェクトまたはタスクのために必要とされるとタスク推奨システム２０６が決定する場合、タスク推奨システム２０６は、プロジェクトまたはタスクに関してメンバー２１０に提示され得る質問のための推奨を代理２０４に与え得る。図１に関して上記で説明された「新居への引っ越し」プロジェクト２２４の例に戻ると、プロジェクトのためにメンバーの自宅の１つまたは複数のパラメータ（たとえば、面積、部屋の数など）を理解することが重要であるとタスク推奨システム２０６が決定する場合、タスク推奨システム２０６は、これらの１つまたは複数のパラメータを与えるようにメンバー２１０を促すために代理２０４に推奨を与え得る。代理２０４は、タスク推奨システム２０６によって与えられた推奨を検討し、通信セッション２１６を介して、追加のプロジェクトパラメータを与えるようにメンバー２１０を促し得る。このプロセスは、特定のプロジェクトまたはタスクを定義するためにメンバー２１０に与えられるプロンプトの数を低減し、それによって、メンバー２１０に対する認知的負荷を低減し得る。いくつかの例では、プロジェクトまたはタスクに関してメンバー２１０に提示され得る質問のための推奨を代理に与えるのではなく、タスク推奨システム２０６は、通信セッション２１６を介してメンバー２１０にこれらの質問を自動的に提示することができる。たとえば、メンバーの自宅の面積に関係する質問がプロジェクト２２４のために必要とされるとタスク推奨システム２０６が決定する場合、タスク推奨システム２０６は、通信セッション２１６を介して、メンバーの自宅の面積を与えるようにメンバー２１０を自動的に促し得る。

【0077】

[0102]いくつかの実施形態では、タスク推奨システム２０６は、メンバーの選好に基づいてプロジェクトまたはタスクに関してメンバー２１０に提示され得る質問のための推奨を代理２０４にさらに与えることができる。たとえば、メンバー２１０が予算にこだわることが知られており、代理２０４および／またはタスク推奨システム２０６が、タスクまたはプロジェクトのためのいかなる予算または予算制限も定義していなかった場合、タスク推奨システム２０６は、プロジェクトまたはタスクの完了のためのメンバーの予算に関して照会するために通信セッション２１６を介してメンバー２１０と通信するように代理２０４を促し得る。いくつかの実施形態では、タスク推奨システム２０６は、何の質問がメンバー２１０に与えられ得るのかを決定するために機械学習アルゴリズムまたは人工知能を使用することができる。たとえば、タスク推奨システム２０６は、新しいプロジェクトまたはタスクのパラメータをさらに定義するためにメンバーの選好を決定し、これらの選好に基づいてメンバー２１０に与えられ得る質問を識別するために機械学習アルゴリズムまたは人工知能への入力として新しいプロジェクトまたはタスクのために定義されるパラメータと、メンバーのプロファイルと、メンバー２１０のために前に実施されたプロジェクトおよび／またはタスクに対応する履歴データとを使用し得る。

【0078】

[0103]いくつかの実施形態では、代理２０４が、メンバー２１０からおよび／またはタスク推奨システム２０６を通して必要なタスクおよび／またはプロジェクト関連の情報（たとえば、同様の状況にあるメンバーのために実施されたタスクの評価を介して得られたタスクパラメータなど）を取得すると、代理は、プロジェクトおよび／またはタスクの解決に関する１つまたは複数の提案を生成するためにタスク容易化サービス２０２のタスク調整システム２０８を利用することができる。タスク調整システム２０８は、コンピュータシステムを使用して、またはタスク容易化サービス２０２のコンピュータシステム上に実装されたアプリケーションもしくは他の実行可能コードとして実装され得る。いくつかの例では、代理２０４は、上記で説明されたように、代理２０４およびタスク推奨システム２０６によって識別される１つまたは複数のパラメータに従ってメンバー２１０のためのプロジェクトおよび／またはタスクの実施のために使用され得る１つまたは複数のサードパーティサービス２１４および／またはリソース（たとえば、小売業者、レストラン、ウェブサイト、ブランド、商品のタイプ、特定の商品など）を識別するためにタスク調整システム２０８によって維持されたリソースライブラリを利用し得る。提案は、プロジェクトおよび／またはタスクの完了のための時間枠、プロジェクトおよび／またはタスクの完了のために関与されることになる任意のサードパーティサービス２１４（もしあれば）の識別情報、プロジェクトおよび／またはタスクの完了のための予算推定、プロジェクトおよび／またはタスクの完了のために使用されるべきリソースまたはリソースのタイプなどを指定し得る。代理２０４は、プロジェクトおよび／またはタスクの完了のために提案を進めるかまたは代替提案を与えるのいずれかを行うためにメンバー２１０からの応答を要請するために通信セッション２１６を介してメンバー２１０に提案を提示し得る。

【0079】

[0104]メンバー２１０が特定のプロジェクトまたはタスクのための特定の提案オプションを選択すると、新しいプロジェクトと任意の対応するタスクとが、プロジェクトインターフェース２２２を介してメンバー２１０に提示され、それを通して、メンバー２１０は、表明された問題に対応するプロジェクト２２４と特定のプロジェクト２２４のための提案からの選択された提案オプションに対応するタスク２２６とを検討することができる。プロジェクトインターフェース２２２を通して、メンバー２１０は、メンバー２１０のために実施されることになるプロジェクト２２４の記述ならびにプロジェクト２２４を完了するために実施されることになる対応するタスク２２６に関する詳細を検討し得る。たとえば、図２に示されているように、代理２０４またはタスク推奨システム２０６は、メンバーの新居への今度の引っ越しに関係する新しいプロジェクト２２４とプロジェクト２２４に対応する１つまたは複数のタスク２２６とを提示するためにプロジェクトインターフェース２２２を更新し得る。プロジェクトインターフェース２２２を介して提示されたタスク２２６の数とこれらのタスク２２６およびプロジェクト２２４自体のために与えられた詳細とは、メンバーのプロファイル中に指定されているメンバーの選好または属性に基づいて決定され得る。たとえば、与えられる詳細の量と提示されるタスク２２６の数とは、メンバーの認知的負荷（たとえば、情報の提示がメンバー２１０にストレスを追加せず、それによって、メンバーの認知的負荷を維持する）を考慮しながらメンバー２１０がプロジェクト２２４および対応するタスク２２６に関して適切に通知されるように決定され得る。各態様について、デバイス２１２または別のメンバーデバイスを介したメンバー２１０間の通信は、人間と自動代理との間で行うことができ、タスクの進行および完了を容易化するために、自動および非自動の両方の分析および応答が様々なポイントで行われる。

【0080】

[0105]代理２０４が、図１に関して説明されたサードパーティサービスなどの１つまたは複数のサードパーティサービス２１４と協調することができる場合（たとえば、プロジェクトまたはタスクの実施の時間をスケジュールするための動作などのプロジェクトまたはタスクの実施のために、プロジェクトまたはタスクの実施の価格に同意するなど）、代理２０４は、プロジェクト２２４および任意の関連のタスク２２６がいつ完了すると予想されるかと、プロジェクト２２４および関連のタスク２２６の完了のための推定コストとを示すために、プロジェクトインターフェース２２２を更新し得る。あるプロジェクトインターフェース２２２の更新はまた、タスクのためのマイルストーンの通知、完了更新（たとえば、パーセンテージ完了更新、次のステップタイミング更新など）などの自動チャットインターフェース更新（たとえば、通信セッション２１６に関連する）をトリガすることができる。追加の情報または決定情報（たとえば、タスク完了に影響を及ぼし得る代替決定に関連付けられる）がタスク進行のためにメンバー２１０から必要とされるという、メンバー２１０へのリマインダなどの計画インターフェース２２２のいくつかの態様。

【0081】

[0106]いくつかの実施形態では、タスクが代理２０４によって実施されることになる場合、タスク調整システム２０８は、代理２０４によるプロジェクトまたはタスクの実施を監視することができる。タスクまたは対応するプロジェクトが完了すると、メンバー２１０は、プロジェクトまたはタスクの完了に関するフィードバックを与えるように促され得る。メンバー２１０によって与えられた応答を使用して、タスク容易化サービス２０２は、プロジェクトおよびタスクのより良い識別、提案および対応する提案オプションの作成、メンバー２１０および他の同様の状況にあるメンバーのためのプロジェクトおよびタスクの完了のためのサードパーティサービス２１４の識別、メンバー２１０のためのプロジェクトまたはタスクの実施のために代理２０４に与えられ得るリソースの識別などを与えるためにタスク推奨システム２０６とタスク調整システム２０８とによって利用される機械学習アルゴリズムまたは人工知能をトレーニングするか、あるいは別の様式で更新し得る。

【0082】

[0107]図３は、いくつかの例による、例示的なチャットフローインターフェース３００を示す。チャットフローインターフェース３００は、たとえば、タスク容易化サービス１０２または２０２との対話の一部としてメンバーに提示されるデバイス１２０または２１２上に提示され得る。インターフェース３００は、代理との新しいタスクを開始するためのチャットインターフェースと、特定のタスクを開始するためのテンプレート要素と、カスタマイズされた通信のためのテキストインターフェースとを示す。インターフェース３００は、新しいタスクのためのオンボーディング動作の一部、またはオンボーディングされたメンバーのための既存のタスクをチェックする前に待ち受け位置として使用されるインターフェースであり得る。テンプレート要素は、新しいタスクを編成するためのチャットフローの一部として、特別に設計された情報収集代理またはインターフェースを有する追加のチャットフローインターフェースを起動することができ、または既存のタスクのための追加のインターフェースにつながることができる。たとえば、誕生日パーティテンプレートインターフェースに関連する選択および対応する通信は、タスク容易化サービス２０２によって受信され得、これは、誕生日に関する情報を収集するために自動代理からの通信で応答し、メンバーが誕生日について生成するタスクである。自動代理は、メンバーがパーティをホスティングしているか、もしくは別の人によってホスティングされているパーティに出席しているか、パーティに関連する詳細、および、タスク、サブタスク、最終期限、他の出席者との通信、またはパーティ関連のタスクの一部となる他の項目を決定することができる。テンプレートの選択はまた、タスクのためのタスク固有のチャットインターフェース、または誕生日パーティのタスクに関連するリアルタイムチャットフローにおける通信を示すために一般的なリアルタイムチャットインターフェースにおいて使用され得るタスクフラグを生成することができる。

【0083】

[0108]別の例では、自宅保守インターフェーステンプレートは、前のタスクからのリマインダに関連付けられ得る。たとえば、完了された自宅保守タスクは、将来の関係する保守タスクについてのリマインダで終了することができる。リマインダタスクのためのテンプレートは、前のタスクに関連するリマインダ最終期限の近くまたはリマインダ最終期限に、インターフェース３００に表示され得る。

【0084】

[0109]説明インターフェースまたはテキスト入力インターフェースは、インターフェース３００に提示されるテンプレートに十分には関係していない対話の一般的な開始またはカスタマイズされた開始のためのインターフェース３００の一部であり得る。新しい説明インターフェースは、メンバーからテキストまたは音声入力を受信し、新しいタスクを開始し、または、進行中のタスクのステータスをチェックするために使用され得る。新しい説明インターフェースは、いくつかの態様では、新しい説明インターフェースからアクセス可能な以前のリアルタイムチャットフローインターフェースとともに、チャット転送ホームインターフェースの一部であり得る。いくつかの態様では、誕生日パーティテンプレートは、情報を検索し、次いで、誕生日パーティを計画するのを助けるために、人間代理と非人間代理との間のリアルタイムチャットフローインターフェースにおいて自動メッセージングと非自動メッセージングの両方を開始することができる。メッセージの詳細は、チャットフローの一部とすることができ、このチャットフローは、ホームページから新しい説明インターフェース内のパーティ計画の詳細を検討するために、メッセージを入力することによってアクセスされ得る。

【0085】

[0110]いくつかの態様では、インターフェース３００は、人間代理が自動代理または自動アシスタントによってサポートされるとき、人間代理「Ｍｉｙａ」、自動化されたＮＬＰベースの代理、またはハイブリッド代理などの、メンバーに割り当てられた代理と対話するためのデフォルト構造を有する。いくつかの態様では、代理は、特定のメンバーに提示されたテンプレートおよびテンプレートカテゴリを修正または更新することができる。たとえば、自動代理は、メンバーのカレンダにアクセスし、家族の誕生日が現在時間からの目標またはしきい値時間であるとき、誕生日パーティテンプレートを追加することができる。同様に、自宅保守テンプレートは、記念日またはリマインダ時間に自動的に提示され得る。そのような選択はまた、いくつかの態様では、メンバーとのチャットメッセージングに基づいて、または、メンバーカレンダ、代理ノート、人間代理に提示される選択可能なオプションを有するデータの機械学習分析、もしくは他のそのようなオプションを含む、異なるソースからアグリゲートされたメンバーデータの検討に基づいて、人間代理によって手動で行われ得る。同様に、テンプレートカテゴリ、ホームページカスタマイゼーション、および他のそのようなチャットフローインターフェース３００の要素は、異なる実装形態におけるシステム情報に基づいて、自動的に、または代理によって手動で管理され得る。

【0086】

[0111]図４は、本明細書で説明される実装形態のいくつかの態様において使用され得る例示的なインターフェース４００を示す。インターフェース４００は、いくつかの態様では、インターフェース３００における新しい説明のためのテキスト入力要素の選択時に提示されるインターフェースであり得る。インターフェース４００は、（たとえば、タッチスクリーンを介して）データを入力するためのテキストキーボードインターフェースと、追加のインターフェース要素との両方を含む。インターフェース４００は、緊急要求ボタンを含み、緊急要求ボタンは、人間代理と対話するための、または、緊急要求のためにカスタマイズされたデータ収集自動代理を開始するための、および、緊急要求のための優先通信がメンバーによって間もなく与えられることをタスク容易化サービス２０２に警告するための優先要求に関連付けられ得る。インターフェース４００はまた、提案されたテンプレートの別個のセットを含む。いくつかの態様では、これらは、インターフェース３００からの同じ提案されたテンプレートであり得るか、または、提案、直近のもしくは最も繰り返された要求、もしくは任意の他のそのような優先度の混合であり得る。たとえば、メンバーが夕食予約支援を定期的に要求する場合、夕食予約を行うことに関連するテンプレートが、キーボードインターフェースとともに提示され得る。いくつかの態様では、機械学習システムは、インターフェース３００および４００において提示する最も有用なインターフェース要素またはテンプレートを予測するために、個々のメンバーと他のメンバーの両方についてメンバー選択を分析することができる。インターフェース要素の選択は、そのような要素の選択を更新するためのフィードバックデータとして使用され得る。いくつかの態様では、フィードバックシステムは、タスク容易化サービス２０２の自動代理の一部として統合され得、これは、メンバーのデバイスのチャットフローインターフェース４００におけるそのようなテンプレートの提示を自動的に選択および更新し、メンバーのテンプレートの選好に関する情報を要求するためにメンバーとのチャット通信を開始することができる。

【0087】

[0112]図５は、いくつかの態様による、チャットフローインターフェース５００の態様を示す。インターフェース５００は、誕生日パーティ計画テンプレートの選択に関連するカスタマイズされたチャットフローを示す。図示のように、インターフェース５００は、図３または図４のチャットフローインターフェース３００または４００におけるテンプレート要素選択から開始され得る。次いで、インターフェース５００は、情報についての要求と、チャットフロー内の情報収集要素の提示とによって、チャットフローインターフェースを開始することができる。チャットフローインターフェース５００内の例示的な情報収集要素は、部品計画が関連付けられ得るメンバーに関連する個人の横スクロール可能なリストを与える。いくつかの態様では、機械学習アルゴリズムは、連絡先がパーティ招待客である可能性に基づいてメンバーの連絡先を分類およびソートするために、誕生日、メンバー連絡先のパーティ祝いに関連する履歴データ、または他のそのような情報を分析することができ、最も可能性の高い連絡先がリストの最初に表示される。チャットフロー要素は、パーティ招待客の選択、または後でパーティ招待客を識別するオプションを可能にする。パーティ招待客が識別された場合、パーティ招待客に関する利用可能な情報は、パーティ計画のためのサブタスクを提案する際に使用され得る。情報は、メンバーから、またはメンバーの連絡先との代理の対話から収集された人口統計情報または選好情報を含むことができる。いくつかの実装形態では、メンバーのタスクの一部として、代理は、メンバーの連絡先と対話することができ、メンバーの連絡先に関する情報（たとえば、子供の年齢、選好、食物アレルギーなど）を収集することができる。次いで、そのような情報は、タスク容易化サービス２０２によって記憶され、連絡先がタスクに関連付けられるときに使用され得る。たとえば、メンバーの子供についての以前のタスクは、システム２０２が、緑色および特定の有名人および好きな架空のキャラクターについての選好を示す情報を記憶することをもたらすことができる。その子供をパーティターゲットとして識別することは、この情報を使用するシステムが、パーティテーマ、ゲーム、音楽、ギフト推奨、またはパーティに関連する他のそのような情報を提案することをもたらすことができる。

【0088】

[0113]図６～図１１は、タスク容易化サービス１０２または２０２を統合するシステムなどの、本明細書で説明されるシステムとともに使用され得るチャットフローインターフェースの追加の態様を示す。図６は、活動によってソートされたメッセージを有するソート可能なチャットフローと、チャットフローの上部にある複数のタスクに関連する代理メッセージとを含むチャットフローインターフェース６００を示す。インターフェース６００の例では、チャットフロー内のメッセージは、活動によってソートされ、グループ化される。チャットフローにおけるメッセージのための他のソートオプションは、時系列メッセージによるソート、タスク優先度によるソート、直近のサブタスク完了時間によるソート、または他のそのようなソートオプションを含む。インターフェース６００の例では、ＡＩまたは機械学習アルゴリズムによって選択されたメッセージについての特別なグループ化が、ディスプレイの下部の提案されたインターフェースエリアに提示され得る。

【0089】

[0114]いくつかの態様では、フィルタ処理をサポートするために、タスクおよびサブタスクは、システム識別子をタグ付けされ得る。ユーザがメッセージを代理に送ったとき、メッセージを１つまたは複数のシステムタスクに自動的に関連付けるために、ＮＬＰが使用され得、次いで、すべての関連のタスクの識別子を用いて、メッセージがフラグ付けされ得る。いくつかの例では、メッセージまたはメッセージグループは、複数のタスクに関連付けられ得、複数のタグに関連付けられ得る。同様に、いくつかの例では、個々のメッセージは、タスクに関係していないことがあるが、相伴うメッセージのグループの一部であり得る。サービス１０２、２０２は、グループの一部として別々のメッセージを識別し、識別子の共有セットでメッセージにフラグ付けするか、またはメッセージのグループを単一のメッセージとして扱うかのいずれかを行うことができる。次いで、ソート、フィルタ処理、リマインダ、および他のそのようなメッセージ提示は、システム識別子に基づくことができる。いくつかの実装形態では、ユーザは、メッセージが誤って分類されている、または誤ったタスクに関連付けられているように見えることを示すフィードバックを与えることができる。いくつかのそのようなシステムでは、この情報は、メッセージタグを調整するために使用されることと、自動割当てプロセスを動的に更新するためにメッセージを自動的に特徴づけるかまたはメッセージに識別子を割り当てるＮＬＰ機械学習アルゴリズムへのフィードバックとして与えられることとの両方が可能である。

【0090】

[0115]機械学習アルゴリズムは、既存のタスク識別子を用いてメッセージにフラグ付けすることに加えて、タスクが存在しない場合にＮＬＰ処理に基づいてタスクを自動的に提案するように動作することもできる。同様に、タスクが存在するが、タスクに関連付けられていると識別されたメッセージのＮＬＰが、存在しない適切なサブタスクを示す場合、機械学習アルゴリズムは、既存のタスクのｉｄをメッセージにフラグ付けし、メッセージ詳細の分析に基づいて新しいサブタスクを推奨することができる。さらに、リアルタイムチャットフローからの複数のメッセージの機械学習分析は、個々のメッセージからは明らかでないタスク提案またはサブタスク更新を識別し得る。いくつかの態様では、システムは、アラート、新しいタスク提案、既存のタスクのための新しいサブタスク、または人間代理のための他のそのようなメンバー通信もしくは支援を提案するために、リアルタイムチャットメッセージを周期的または連続的に分析することができる。

【0091】

[0116]いくつかのそのような機械学習分析は、サービス１０２、２０２を実装するサーバによって実施され得る。他のそのような分析は、メンバーのデバイス１２０または２１２上で動作するウィジェットまたはアルゴリズムであり得る。そのようなウィジェットは、メンバー固有の詳細またはフラグをターゲットにするように設計されたカスタマイズされたアルゴリズムであり得る。いくつかの態様では、これは、メンバーのデバイス１２０、２１２から情報を収集することと、リアルタイムチャットフロー中のキーワードまたはトリガを追跡することとを伴うことができる。たとえば、タスクトピックに関するミーティングがカレンダにある場合、そのようなウィジェットは、ミーティングのためのデータを自動的に与えるために、タスクｉｄでタグ付けされたチャットフローメッセージをカレンダメッセージにリンクすることができる。

【0092】

[0117]図７は、本明細書で説明される態様による実装形態の一部として、リアルタイムチャットフローインターフェースを使用して実装され得る複数のインターフェース７００、７１０を示す。インターフェース７００は、メッセージを編集するためのエリアを有するキーボードインターフェースを含み、メッセージは、次いで、チャットフローのために選択された現在のソート特性に基づいて、チャットフローインターフェースにおいて他のメッセージとともに提示され得る。インターフェース７１０は、タスクについて説明するテキストと、タスクの一部として生成されるサブタスクと、タスクの詳細を明確化することとを含む、新しいタスクのためにインターフェース７００を使用して作成され得る詳細を示す。タスク作成要素は、選択されると、タスク詳細をタスク容易化サービス１０２または２０２に通信することができる。タスク詳細が受信されたとき、代理をタスクに割り当て、タスクに関連付けられたさらなる行為を行なうために、タスク詳細は、本明細書で説明されるシステムによって処理され得る。そのようなさらなる行為は、追加情報を要求するか、予想されるタスク実施時間を示すか、または代理割当てを確認する応答チャットフローメッセージであり得る。

【0093】

[0118]図８は、図７のインターフェース７００またはインターフェース７１０からフローすることができる追加のインターフェース８００を示す。インターフェース８００は、タスクに関連するチャット通信を有するチャットフローインターフェースを示す。いくつかの態様では、所与のタスクについてのチャットメッセージおよび他の詳細は、所与のタスクに関連する異なるチャットフローについて異なる方法で構造化され得る。いくつかの態様では、サービス１０２または２０２の機械学習システムは、タスクのキー項目のインデックスを生成するために、メッセージおよびタスク詳細を分析することができる。インターフェース８００を介して直接アクセス可能な別のインターフェースは、サブタスクおよび各サブタスクの詳細を示すことができ、第３のインターフェースは、マイルストーンアラート、リマインダ、およびメンバーと１人または複数の代理との間のメッセージを含む、タスクに関連するメッセージの時系列フローであり得る。インターフェース８００は、タスクのチャットフローインターフェース内にマイルストーンアラートを含むチャットフロータスクインターフェースを示す。

【0094】

[0119]いくつかの実装形態では、タスクに関連するチャットインターフェース要素は、サービス１０２、２０２に情報を与えるための特定のフィードバック要素を含むことができる。一例では、このチャットインターフェース要素は、特にタスクのフォローアップを遅延させるための要素を含む。そのような要素は、「それについて後で話す」または「スヌーズ」表示を含むことができる。そのような選択は、タスクに関連するメッセージを、固定量のデフォルト時間の間、要素の選択を与えられた時間量の間、または無期限にチャットフローから非表示にすることができる。いくつかの態様では、スヌーズしたタスクに関連するリマインダメッセージを提供し、そのタスクがキャンセルされるべきか、インターフェースと再統合されるべきか（たとえば、他のタスクまたはタスク優先度付けのための情報とともにメッセージをリアルタイムチャットフローインターフェースに戻す）、またはさらに遅延させるべきかを確認するようにメンバーに要求するために、機械学習アルゴリズムが使用され得る。次いで、いつリマインダがメンバーに提示されるかの詳細を更新するために、そのようなリマインダメッセージへの応答を使用され得る。いくつかの点で、機械学習アルゴリズムは、一定のメンバーが、特定の時刻、特定の曜日、または特定のメンバー固有の間隔のリマインダを好むと決定することができる。そのようなアルゴリズムは、メンバーが所与の期間にしきい値数を超えるリマインダを受信しないことを好むか、またはすべてのリマインダをともに処理することを好むとさらに決定することができる。変化するフィードバックは、単一のメンバーのためのリマインダプロセスが、リマインダメッセージとのメンバー対話および選好に関するフィードバックに基づいて時間とともに変化することができるように、そのようなリマインダを動的に更新することができる。

【0095】

[0120]図９は、いくつかの実装形態に関連する代理選択の態様を示す。上記で説明されたように、メンバーは、サービス１０２または２０２を用いてタスクを開始するために、デバイス上に提示されたインターフェースを使用することができる。次いで、サービスは、受信されたタスク詳細を様々な方法で処理することができる。いくつかの態様は、サービス１０２または２０２についての利用可能な代理を分析し、タスクについての代理を選択する。この選択は、メンバーとの代理の以前の対話、代理の専門知識、代理の利用可能性、または代理をメンバーおよび／もしくはメンバーのタスクにマッチさせるための他のそのような態様に基づくことができる。インターフェース９００は、タスクのために推奨される提案された代理についての詳細を含み、インターフェース９１０は、メンバーとの初期タスクのために推奨される代理のためのチャットフローインターフェースである。メンバーは、推奨された代理と通信し、サブタスクもしくはタスク詳細を割り当てるかもしくは管理することができ、または、メンバーは、代替の代理を要求することができる。いくつかの態様では、任意のそのような詳細は、将来の割当てに影響を及ぼすために機械学習フィードバックシステムによって使用され得る。そのようなデータは、メンバー特性と代理特性の両方、タスクの詳細、およびメンバーと代理との間の通信の詳細を含むことができる。いくつかの態様では、ＡＩ代理は、タスクのための初期通信に直接関与することができ、機械学習アルゴリズムは、タスク対話のためのプロセスを動的に更新するために、以前の対話からのフィードバックに基づいて初期代理連絡先の選択および対話プロセスを修正することができる。

【0096】

[0121]図１０は、タスクサービス１０２または２０２によって提示されるタスク推奨のためのインターフェース１０００を示す。上記のチャットフローインターフェースでは、説明される多くの態様は、メンバー開始タスクのためのものである。いくつかの実装形態では、メンバーは、複数のタスクの過程にわたって代理と対話することができ、サービスは、推奨されたタスクを生成するために、オンボーディング中およびタスク対話中に与えられるメンバーについての情報を使用することができる。インターフェース１０００は、メンバーの情報の非自動代理分析に基づくことができる、または動的機械学習分析に基づくことができる、経験（たとえば、組織化タスク）についての推奨を示す。たとえば、サービスは、メンバーのカレンダからの情報と、メンバーの連絡先のカレンダとにアクセスすることができる。リアルタイムチャットフローからのチャットメッセージは、メンバーが特定の連絡先（たとえば、メンバーの娘）とより多くの時間をスケジュールしたいという表示を含むことができる。イベントを推奨するために、メンバーのカレンダ、チャットメッセージ情報、オンボーディング情報、および任意の他のそのような情報を含む利用可能なデータの機械学習分析が使用され得る。イベントの詳細は、システムによって推奨された他の同様のイベントからの履歴データ、それに加えてそれらのイベントについて受信されたフィードバック、さらに他の情報に基づくことができる。たとえば、イベント参加者のカレンダ空き時間に基づく夕食および映画の推奨は、イベント参加者をターゲットとするサードパーティサービスからの映画推奨を使用することができ、夕食またはフード推奨は、イベント参加者へのフード推奨にマッチする別個のサードパーティサービスに基づくことができる。提案されたイベントの詳細に対するさらなる修正は、サービス１０２、２０２の機械学習アルゴリズムによって実施することができ、イベント提案を検討するかまたは受け入れるときにメンバーによって手動で編集され得る。イベント提案の受け入れは、後続の通信、サブタスクの自動生成（たとえば、映画チケットの購入またはホームディスプレイのための映画へのアクセス、レストラン予約またはテイクアウト購入およびスケジューリングなど）をもたらすことができる。いくつかの態様では、メンバーは、サブタスクのための特定の詳細を与えることができ、または、オンボーディングもしくはメンバー選択によって決定されたパラメータ内の最良の利用可能なオプションを与えるように代理に委任することができる。たとえば、夕食および映画は、それぞれ午後６時および午後８時の目標時間に関連付けられ得、予約またはショータイムの利用可能性に基づいて各サブイベントについて３０分まで時間を調整するオプションを有する。そのようなパラメータ外の変更は、承認、イベントキャンセル、またはさらなるタスク改良のためにメンバーに提示される後続の通信をトリガすることができる。

【0097】

[0122]図１１は、いくつかの態様では緊急として識別され得るタスクのためのチャットフローインターフェースを示す。たとえば、メンバーが蛇口漏れを有する場合、メンバーは、緊急にサービス１０２、２０２からの支援を要求することができる。漏れを修理する緊急タスクに関する経験を有する代理は、優先度ごとに割り当てられ、チャットフローインターフェース１１００においてテキスト、画像、またはビデオデータを通信することができる。初期評価は、代理が、サードパーティからの現場緊急支援を推奨することを可能にすることができ、または、追加のビデオ、画像、もしくはテキスト通信を介して支援を与えることができる。いくつかの態様では、サードパーティ情報は、チャットフローインターフェースにおいてリンクされ得、代理は、代理によって与えられた情報を使用しようと試みるメンバーに基づいて、明確化するための情報をメンバーに与えることができる。緊急タスク対話からのフィードバックは、メンバーに与えられた情報、代理の実施（たとえば、自動または非自動）、現場または他のサードパーティの支援を提案するためのトリガ、メンバーからのフィードバック、または任意の他のそのようなフィードバックデータを分析するために、サービス１０２、２０２によって使用され得る。そのようなデータは、同様のタスクに関連する後続の対話を動的に変更するために使用され得る。

【0098】

[0123]図１２は、少なくとも１つの実施形態による、タスク推奨システム２０６が、メンバー２１０に提示され得る異なるプロジェクトおよび／またはタスクのための推奨を生成し、ランク付けする環境１２００の例示的な例を示す。環境１２００では、メンバー２１０および／または代理２０４は、メンバー２１０のために実施され得る新しいタスクまたはプロジェクトを生成するためにタスク推奨システム２０６のタスク作成サブシステム１２０２と対話する。タスク作成サブシステム１２０２は、コンピュータシステムを使用して、またはタスク推奨システム２０６のコンピュータシステム上に実装されたアプリケーションもしくは他の実行可能コードとして実装され得る。

【0099】

[0124]いくつかの実施形態では、メンバー２１０は、メンバー２１０のための新しいタスクまたはプロジェクトの実施のために代理２０４および／または１つもしくは複数のサードパーティサービスに割り当てられ得る新しいタスクまたはプロジェクトを手動で生成するためにタスク作成サブシステム１２０２にアクセスすることができる。たとえば、メンバー２１０は、メンバーが特定の問題に関する支援を必要とすることを代理２０４に明示的に示し得る。例示的な例として、メンバー２１０は、通信セッションを介した代理２０４へのメッセージ中で、メンバーが新しい街への今度の引っ越しに関連する支援が欲しいことを示し得る。代理２０４は、このメッセージを評価し、メンバー２１０が問題に対処するためにプロジェクトおよび対応するタスクが生成され得る問題を定義したと決定し得る。代替的に、メンバー２１０は、メンバー２１０が支援が欲しい特定の問題に対応するプロジェクトの作成を要求するためにタスク作成サブシステム１２０２に直接アクセスし得る。たとえば、タスク容易化サービスは、タスク容易化サービスのアプリケーションまたはウェブポータルを介して、メンバー２１０がメンバーの問題に対応するプロジェクトを作成する要求を提供し得るウィジェットまたは他のユーザインターフェース要素を提供し得る。この要求に応答して、タスク作成サブシステム１２０２は、掲げた問題のためのプロジェクトを作成するメンバーの要求を示す通知を代理２０４に送信することがある。タスク作成サブシステム１２０２は、メンバー２１０によって提供された問題の説明を代理２０４に提供することがある。

【0100】

[0125]いくつかの実施形態では、タスク作成サブシステム１２０２は、掲げた問題に対する新しいプロジェクトおよび／またはタスクを生成するために、代理２０４および／またはメンバー２１０によって使用され得る様々なテンプレートを提供する。タスク作成サブシステム１２０２は、タスクデータストア１２１０中に、異なるプロジェクト／タスクタイプまたはカテゴリのためのプロジェクトおよびタスクテンプレートを維持し得る。各プロジェクトまたはタスクテンプレートは、プロジェクトまたはタスクを定義するための異なるデータフィールドを含み得、それによって、異なるプロジェクトまたはタスクフィールドは、定義されているプロジェクトまたはタスクのためのプロジェクト／タスクタイプまたはカテゴリに対応し得る。代理２０４および／またはメンバー２１０は、処理のためにタスク作成サブシステム１２０２に提出され得るプロジェクトまたはタスクを定義するためにこれらの異なるフィールドを介して対処されることになる問題に関係する情報を与え得る。

【0101】

[0126]いくつかの実施形態では、タスク作成サブシステム１２０２は、通信セッションを介してメンバー２１０によって指定された問題に対処するためにメンバー２１０のために実施され得るプロジェクトまたはタスクを識別するためにメッセージが通信セッションを介してメンバー２１０と代理２０４との間でメッセージが交換されるときにメッセージを自動的でリアルタイムに監視することができる。たとえば、タスク作成サブシステム１２０２は、代理２０４とタスク容易化サービスとが表明された問題を対処するためにメンバー２１０に支援を与え得る何らかのプロジェクトおよび／またはタスクを自動的に識別するためにメンバー２１０と代理２０４との間のメッセージが機械学習アルゴリズムまたは人工知能を使用して交換されている間にこれらのメッセージを処理し得る。タスク作成サブシステム１２０２は、メンバー２１０によって表明された問題に対処するために実施され得る何らかのプロジェクトおよび／またはタスクを識別するためにメンバー２１０からのこれらの交換されるメッセージまたは他の通信を評価するためにＮＬＰまたは他の人工知能を利用し得る。いくつかの例では、タスク作成サブシステム１２０２は、可能なプロジェクトおよびタスクを識別するためにＮＬＰまたは他の人工知能をトレーニングするために同様の状況にあるメンバーのための前に識別されたプロジェクトおよびタスクに対応する履歴データとユーザデータストア１２１０からのこれらのメンバーからの対応するメッセージとを利用し得る。タスク作成サブシステム１２０２が、指定された問題に対処するために実施され得る１つまたは複数のプロジェクトおよび／またはタスクを識別する場合、タスク作成サブシステム１２０２は、代理２０４にこれらのプロジェクトおよび／またはタスクを提示し得、代理は、代理がこれらのプロジェクトおよび／またはタスクを識別したことと、メンバー２１０の指定された問題にメンバー２１０が対処することを代理が相応に支援することになることとを示すために通信セッションを介してメンバー２１０と通信し得る。

【0102】

[0127]いくつかの実施形態では、タスク作成サブシステム１２０２は、識別されたプロジェクトおよび／またはタスクごとに、代理２０４がプロジェクトおよび／またはタスクのための様々なパラメータを定義し得るテンプレートを与える。タスク作成サブシステム１２０２は、タスク作成サブシステム１２０２によって識別されたプロジェクトおよび／またはタスクをさらに定義するために代理２０４によって使用され得る様々なタスクテンプレートを与え得る。タスク作成サブシステム１２０２は、タスクデータストア１２１０中に、異なるプロジェクトおよびタスクタイプまたはカテゴリのためのタスクテンプレートを維持し得る。各タスクテンプレートは、プロジェクトまたはタスクを定義するための異なるデータフィールドを含み得、それによって、異なるタスクフィールドは、定義されているプロジェクトまたはタスクのためのプロジェクトまたはタスクタイプまたはカテゴリに対応し得る。代理２０４は、処理のためにタスク作成サブシステム１２０２に提出され得るプロジェクトまたはタスクを定義するためにこれらの異なるデータフィールドを介してプロジェクトまたはタスク情報を与え得る。

【0103】

[0128]いくつかの実施形態では、プロジェクトまたはタスクのためのテンプレート中に提示されるデータフィールドは、機械学習アルゴリズムまたは人工知能を使用して生成された決定に基づいて選択され得る。たとえば、タスク作成サブシステム１２０２は、機械学習アルゴリズムまたは人工知能への入力として、新しいタスクまたはプロジェクトの定義のために代理２０４に提示されるときにどのデータフィールドがテンプレートから省略され得るのかを識別するためにユーザデータストア１２０８からのメンバープロファイルとタスクデータストア１２１０からの選択されたテンプレートとを使用することができる。たとえば、メンバー２１０が、代理２０４に保守タスクを委任することが知られており、予算の検討に無関心である場合、タスク作成サブシステム１２０２は、代理２０４に、具体的に、タスクの完了のために命令を定義し得るあらゆる予算関連のデータフィールドおよび他のデータフィールドを省略するタスクテンプレートを提示し得る。いくつかの例では、タスク作成サブシステム１２０２により、代理２０４は、テンプレートのためのデータフィールドを追加、除去、および／または修正することが可能になり得る。たとえば、タスク作成サブシステム１２０２が、メンバープロファイルの評価に基づいてタスクのための予算に対応するデータフィールドを除去する場合、代理２０４は、代理２０４がメンバー２１０についての代理の知識に基づいてタスクのための予算を定義することを可能にするためにテンプレートにデータフィールドを追加させることを要求し得る。タスク作成サブシステム１２０２は、いくつかの例では、代理２０４が新しいプロジェクトまたはタスクを定義するためにテンプレートにいかなる修正も行う必要なしに代理２０４にテンプレートを与える可能性を改善するために機械学習アルゴリズムまたは人工知能を再トレーニングするためにテンプレートへのこの変更を利用し得る。

【0104】

[0129]いくつかの実施形態では、タスク作成サブシステム１２０２は、通信セッションを介して交換されたメンバーのメッセージから識別された新しいプロジェクトまたはタスクのパラメータに基づいてテンプレート中に提示されるデータフィールドを自動的にポピュレートすることができる。たとえば、タスク作成サブシステム１２０２は、新しいプロジェクトまたはタスクのための様々なパラメータを識別するためにメンバー２１０からのメッセージまたは他の通信を評価するためにＮＬＰまたは他の人工知能を使用し得る。例示的な例として、メンバー２１０が、代理２０４にメッセージ中で、メンバーが識別された問題に対処するために５００ドルを超えて多く費やしたくないと述べる場合、タスク作成サブシステム１２０２は、ＮＬＰまたは他の人工知能を使用して、新しいプロジェクトまたはタスクのための予算キャップが５００ドルであると決定し、プロジェクトまたはタスクのための対応するデータフィールドにこの値を入力し得る。これは、新しいプロジェクトまたはタスクのための必要とされる情報を与える代理２０４の負担を低減し得る。

【0105】

[0130]いくつかの実施形態では、タスク作成サブシステム１２０２は、メンバー２１０によって与えられた画像またはビデオ記録を処理し、完了のためにメンバー２１０に推奨され得る潜在的なプロジェクトおよび／またはタスクを識別するために、コンピュータビジョンまたは他の人工知能を利用することができる。たとえば、代理２０４は、メンバー２１０のために完了され得る潜在的なプロジェクトおよび／またはタスクを識別するために、メンバーの自宅のウォークスルー中に画像またはビデオを記録するようにメンバー２１０を促し得る。これらの画像またはビデオは、メンバーの自宅内の問題を検出し、これらの問題に対処するために行われ得る、考えられるプロジェクトおよび／またはタスクを識別するために、タスク作成サブシステム１２０２によってリアルタイムに処理され得る。加えて、デジタル画像またはビデオは、特定の問題に関係し得るが、タスク作成サブシステム１２０２は、プロジェクトおよび／またはタスクが推奨され得る、追加および／または代替の問題を識別するために、デジタル画像またはビデオをさらに処理し得る。したがって、タスク作成サブシステム１２０２は、コンピュータビジョンまたは他の人工知能を使用して、メンバー２１０が認識していないことがある考えられる問題を検出し得る。

【0106】

[0131]いくつかの実施形態では、タスク作成サブシステム１２０２は、代理２０４に、メンバーの選好に基づいてプロジェクトまたはタスクに関してメンバー２１０に提示され得る質問のための推奨をさらに与えることができる。たとえば、代理２０４は、新しいタスクまたはプロジェクトのためのいかなる予算または予算制限も定義しておらず、タスク作成サブシステム１２０２は、メンバー２１０が予算にこだわると決定する場合、タスク作成サブシステム１２０２は、プロジェクトまたはタスクの完了のためにメンバーの予算に関して照会するために通信セッションを介してメンバー２１０と通信するように代理２０４を促し得る。いくつかの実施形態では、タスク作成サブシステム１２０２は、何の質問がメンバー２１０に与えられ得るのかを決定するために機械学習アルゴリズムまたは人工知能を使用することができる。たとえば、タスク作成サブシステム１２０２は、新しいプロジェクトまたはタスクのパラメータをさらに定義するためにメンバーの選好を決定し、これらの選好に基づいてメンバー２１０に与えられ得る質問を識別するために機械学習アルゴリズムまたは人工知能への入力として新しいプロジェクトまたはタスクのために定義されるパラメータと、メンバーのプロファイルと、メンバー２１０のために前に実施されたプロジェクトおよび／またはタスクに対応する履歴データとを使用し得る。

【0107】

[0132]タスク推奨システム２０６は、タスクランク付けサブシステム１２０４をさらに含み得、これは、メンバー２１０、代理２０４、または他のサードパーティサービスによる完了のためにメンバー２１０に推奨され得るプロジェクトおよび／またはタスクを含むメンバー２１０に関連するタスクおよび／またはプロジェクトをランク付けするように構成され得る。タスクランク付けサブシステム１２０４は、コンピュータシステムを使用して、またはタスク推奨システム２０６のコンピュータシステム上に実装されたアプリケーションもしくは他の実行可能コードとして実装され得る。いくつかの実施形態では、タスクランク付けサブシステム１２０４は、メンバー２１０が、実施およびサードパーティサービスとの調整のための代理２０４への委任のためのプロジェクトまたはタスクを選択する可能性に基づいてメンバーのプロジェクトおよび／またはタスクをランク付けすることができる。代替的に、タスクランク付けサブシステム１２０４は、各プロジェクトまたはタスクの完了のための緊急度のレベルに基づいてメンバーのプロジェクトおよび／またはタスクをランク付けし得る。緊急度のレベルは、ユーザデータストア１２０８からのメンバー特性（たとえば、いくつかのプロジェクト／タスクまたはプロジェクト／タスクのカテゴリのメンバーの自身の優先度付けに対応するデータ）および／またはプロジェクトまたはタスクが実施されない場合のメンバー２１０への潜在的なリスクに基づいて決定され得る。

【0108】

[0133]いくつかの実施形態では、タスクランク付けサブシステム１２０４は、タスク選択サブシステム１２０６にメンバー２１０に推奨され得るプロジェクト／タスクのランク済みリストを与える。タスク選択サブシステム１２０６は、コンピュータシステムを使用して、またはタスク推奨システム２０６のコンピュータシステム上に実装されたアプリケーションもしくは他の実行可能コードとして実装され得る。タスク選択サブシステム１２０６は、プロジェクトおよび／またはタスクのランク済みリストから、どのプロジェクトおよび／またはタスクが代理２０４によってメンバー２１０に推奨され得るのかを選択するように構成され得る。たとえば、タスク容易化サービスによって与えられたアプリケーションまたはウェブポータルが、メンバー２１０に、プロジェクトおよび／またはタスクのランク済みリストから限られた数のタスクおよび／またはプロジェクト推奨を提示するように構成される場合、タスク選択サブシステム１２０６は、どのプロジェクトおよび／またはタスク推奨がメンバー２１０に提示されなければならないのかを決定するためにランク済みリストとユーザデータストア１２０８からのメンバーのプロファイルとを処理し得る。いくつかの例では、タスク選択サブシステム１２０６によって行われる選択は、リスト中のプロジェクトおよび／またはタスクのセットのランキングに対応し得る。代替的に、タスク選択サブシステム１２０６は、どのプロジェクトおよび／またはタスクがメンバー２１０に推奨され得るのかを決定するためにランク済みリストならびにメンバーのプロファイルおよびメンバーの既存のプロジェクトおよびタスク（たとえば、進行中のプロジェクトおよびタスク、メンバー２１０によって受け入れられたプロジェクトおよびタスクなど）を処理し得る。たとえば、ランク済みリストが雨樋の清掃に対応するタスクを含むが、メンバー２１０が最近の嵐により雨樋の修理に対応する進行中のタスクをすでに有する場合、これは、雨樋の修理と併せて実施され得るので、タスク選択サブシステム１２０６は、雨樋の清掃に対応するタスクの選択を控え得る。したがって、タスク選択サブシステム１２０６は、メンバー２１０への提示のためにプロジェクトおよび／またはタスクのランク済みリストをさらに改良するために別のレイヤを与え得る。

【0109】

[0134]タスク選択サブシステム１２０６は、代理２０４に、メンバー２１０に推奨され得るプロジェクトおよび／またはタスクの新しいリストを与え得る。代理２０４は、（図２に本明細書で示されているように）どのプロジェクトおよび／またはタスクがタスク容易化サービスによって与えられたプロジェクトインターフェースを介してメンバー２１０に提示され得るのかを決定するためにプロジェクトおよび／またはタスクのこの新しいリストを検討し得る。たとえば、代理２０４は、タスク選択サブシステム１２０６によって推奨されるプロジェクトおよび／またはタスクのセットを検討し、通信セッションおよび／またはプロジェクトインターフェースを介してメンバー２１０への提示のために、これらのプロジェクトおよび／またはタスクのうちの１つまたは複数を選択し得る。いくつかの例では、１つまたは複数のプロジェクトおよび／またはタスクは、タスクランク付けサブシステム１２０４によって生成され、タスク選択サブシステム１２０６によって改良されたランキングに従ってメンバー２１０に提示され得る。代替的に、１つまたは複数のプロジェクトおよび／またはタスクは、プロジェクトおよび／またはタスクの優先度付けのためのメンバー自体の選好についての代理の理解に従って提示され得る。プロジェクトインターフェースを通して、メンバー２１０は、代理２０４またはサードパーティサービスの支援を受けて実施され得る１つまたは複数のプロジェクトおよび／またはタスクを選択し得る。メンバー２１０は、代替的に、メンバー２１０が個人的に実施したいあるいは別の様式でメンバー２１０が実施されたくない任意の提示されたプロジェクトおよび／またはタスクを却下することができる。

【0110】

[0135]いくつかの実施形態では、タスク選択サブシステム１２０６は、実施のための代理２０４またはサードパーティサービスへの委任のためのプロジェクトおよび／またはタスクのメンバー選択に関するデータを収集するために、メンバー２１０と代理２０４との間の通信セッションと、プロジェクトおよび／またはタスクが提示されるプロジェクトインターフェースとのメンバー２１０の対話とを監視する。たとえば、タスク選択サブシステム１２０６は、各プロジェクトおよび／またはタスクに対応する極性または感情を決定するために通信セッションを介して代理２０４によってメンバー２１０に提示されるプロジェクトおよび／またはタスクに対応するメッセージを処理し得る。たとえば、メンバー２１０が、代理２０４へのメッセージ中で、車両保守に対応するあらゆるタスクまたはプロジェクト推奨を受信しないことを選好することを示す場合、タスク選択サブシステム１２０６は、否定極性または感情を車両保守に対応するプロジェクトおよびタスクのものとし得る。代替的に、メンバー２１０が、代理２０４への委任のために雨樋の清掃に関係するタスクまたはプロジェクトを選択するおよび／または代理２０４へのメッセージ中でこのタスクまたはプロジェクトの推奨がよいアイデアであったことを示す場合、タスク選択サブシステム１２０６は、肯定極性または感情をこのタスクまたはプロジェクトのものとし得る。いくつかの実施形態では、タスク選択サブシステム１２０６は、タスク容易化サービスのメンバー２１０および他の同様の状況にあるメンバーに提示され得るプロジェクトおよび／またはタスク推奨を生成するためにタスクランク付けサブシステム１２０４によって利用される機械学習アルゴリズムまたは人工知能をさらにトレーニングまたは補強するためにメンバー２１０に推奨されるタスクおよび／またはプロジェクトへのこれらの応答を使用することができる。さらに、タスク選択サブシステム１２０６は、代理２０４によって推奨されたプロジェクトおよび／またはタスクからの、プロジェクトおよび／またはタスクのメンバーの選択、および／または代理２０４によって推奨されるプロジェクトおよび／またはタスクに関する感情に基づいてメンバーの選好および知られている行動特性を更新するためにメンバーのプロファイルまたはモデルを更新し得る。

【0111】

[0136]図１３は、少なくとも１つの実施形態による、機械学習アルゴリズムまたは人工知能が、新しいプロジェクトおよびタスクの識別および作成を支援するために実装される環境１３００の例示的な例を示す。環境１３００では、タスク作成サブシステムのモジュール１３０２は、メンバー２１０のために実施され得る任意の新しいタスクまたはプロジェクトを識別するためにメンバー２１０と割り当てられた代理２０４との間のメッセージ２１８、２２０が通信セッション２１６を介して交換されるときにこれらのメッセージ２１８、２２０を自動的でリアルタイムに処理することができるタスク作成機械学習モジュール１３０２を含むことができる。タスク作成機械学習モジュール１３０２は、上記で説明されたように、コンピュータシステムを使用して、またはタスク作成サブシステムのモジュール１３０２のためのタスク推奨システム２０６のコンピュータシステム上に実装されたアプリケーションもしくは他の実行可能コードとして実装され得る。したがって、タスク作成機械学習モジュール１３０２は、タスク作成サブシステムのモジュール１３０２の構成要素または他の機能として働き得る。

【0112】

[0137]いくつかの実施形態では、タスク作成機械学習モジュール１３０２は、通信セッション２１６を介して交換されるメッセージ２１８、２２０に基づいて１つまたは複数の可能なプロジェクトおよび／またはタスクを検出し、これらのプロジェクトおよび／またはタスクをさらに自動的に生成するために１つまたは複数の機械学習アルゴリズムまたは人工知能を実装する。たとえば、タスク作成機械学習モジュール１３０２は、メンバー２１０によって表明された問題に対処するために実施され得るあらゆるプロジェクトおよび／またはタスクを識別するためにこれらの交換されるメッセージ２１８、２２０を評価するためにＮＬＰまたは他の人工知能を利用し得る。たとえば、図１３に示されているように、メンバー２１０は、代理２０４へのメッセージ２１８中で、メンバーが新しい都市（たとえば、バヤモン）への今度の引っ越しに関する支援を必要とすることを示している。タスク作成機械学習モジュール１３０２は、ＮＬＰまたは他の人工知能を使用して、リアルタイムにこのメッセージ２１８を処理し、今度の引っ越しに対応する新しいプロジェクトを識別し得る。さらに、このメッセージ２１８に基づいて、タスク作成機械学習モジュール１３０２は、引っ越しを完了するための時間枠または最終期限、通信セッション２１６を介した代理２０４への１つまたは複数のメッセージ中にメンバー２１０によって定義された何らかの予算上の制約、および新しいプロジェクトおよび任意の対応するタスクを定義するのに有用であり得る任意の他の情報（たとえば、メンバーの自宅の面積、好適なベンダーまたは他のサードパーティサービスなど）などの新しいプロジェクトまたはタスクのための任意の対応するパラメータを識別し得る。

【0113】

[0138]上記のように、タスク作成サブシステムのモジュール１３０２は、メンバー２１０のために実施され得る可能なプロジェクトおよびタスクを識別するためにタスク作成機械学習モジュール１３０２によって使用されるＮＬＰまたは他の人工知能をトレーニングするために同様の状況にあるメンバーのための前に識別されたプロジェクトおよびタスクに対応する履歴データとユーザデータストア１２０８からのこれらのメンバーからの対応するメッセージとを利用し得る。タスク作成機械学習モジュール１３０２は、指定された問題に対処するために実施され得る１つまたは複数のプロジェクトおよび／またはタスクを識別する場合、タスク作成機械学習モジュール１３０２は、代理２０４にこれらのプロジェクトおよび／またはタスクを提示し得、代理は、代理がこれらのプロジェクトおよび／またはタスクを識別したことと、メンバー２１０の指定された問題にメンバー２１０が対処することを代理が相応に支援することになることとを示すために通信セッション２１６を介してメンバー２１０と通信し得る。

【0114】

[0139]いくつかの実施形態では、タスク作成機械学習モジュール１３０２は、タスクデータストア１２１０から、メンバー２１０によって表明されたかまたはメッセージ２１８および通信セッション２１６を介して提出された他の通信を介して別の様式で識別された問題に対処するために代理２０４、メンバー２１０、および／または１つもしくは複数のサードパーティサービスに割り当てられ得る新しいプロジェクトおよび／またはタスクを定義するために使用され得る１つまたは複数のタスクテンプレート１３０４を取得する。タスクテンプレート１３０４は、特定のプロジェクトまたはタスクタイプに対応し得る。たとえば、各タスクテンプレート１３０４は、プロジェクトまたはタスクを定義するための異なるデータフィールドを含み得、それによって、異なるタスクフィールドは、定義されているプロジェクトまたはタスクのためのプロジェクトまたはタスクタイプまたはカテゴリに対応し得る。代理２０４は、処理のためにタスク作成サブシステムのモジュール１３０２に提出され得るプロジェクトまたはタスクを定義するためにこれらの異なるデータフィールドを介してプロジェクトまたはタスク情報を与え得る。

【0115】

[0140]いくつかの実施形態では、タスク作成機械学習モジュール１３０２は、メンバー２１０と代理２０４との間で交換されるメッセージ２１８、２２０からタスク作成機械学習モジュール１３０２によって識別されるプロジェクトまたはタスクの特性に基づいて１つまたは複数のタスクテンプレート１３０４から特定のタスクテンプレート１３０６を選択し得る。たとえば、タスク作成機械学習モジュール１３０２は、いくつかの実施形態では、メンバー２１０のために対処されることになる識別された問題に対応するプロジェクトまたはタスクを定義するために代理２０４に与えられ得る特定のタスクテンプレート１３０６を選択するために分類またはクラスタリングアルゴリズムを使用する。分類またはクラスタリングアルゴリズムは、メンバー２１０と代理２０４との間で交換されるメッセージ２１８、２２０からタスク作成機械学習モジュール１３０２によって識別される特定のプロジェクトまたはタスクの特性に基づいて、タスク作成機械学習モジュール１３０２が、分類またはクラスタリングアルゴリズムを使用して識別されたプロジェクトまたはタスクのための適切なタスクテンプレート１３０６を識別し得るように、異なるプロジェクトまたはタスク特性と対応するタスクテンプレートとの間の相関を生成し得る。この分類またはクラスタリングアルゴリズムへの入力として、タスク作成機械学習モジュール１３０２は、分類またはクラスタリングアルゴリズムによって与えられた出力に基づいて、新しいプロジェクトまたはタスクを作成するために使用され得る特定のタスクテンプレート１３０６を識別するために入力として新しいプロジェクトまたはタスクのための対応するパラメータを使用し得る。

【0116】

[0141]上記のように、プロジェクトまたはタスクのためのタスクテンプレート中に提示されるデータフィールドは、機械学習アルゴリズムまたは人工知能を使用して生成された決定に基づいて選択され得る。タスク作成機械学習モジュール１３０２は、機械学習アルゴリズムまたは人工知能への入力として、新しいタスクまたはプロジェクトの定義のために代理２０４に提示されるときにどのデータフィールドがタスクテンプレート１３０６から省略され得るのかを識別するためにユーザデータストア１２０８からのメンバープロファイルと分類またはクラスタリングアルゴリズムを使用して識別されたタスクテンプレート１３０６とを使用し得る。たとえば、メンバー２１０が、代理２０４に保守タスクを委任することが知られており、予算の検討に無関心である場合、タスク作成機械学習モジュール１３０２は、代理２０４に、具体的に、プロジェクトまたはタスクの完了のために命令を定義し得るあらゆる予算関連のデータフィールドおよび他のデータフィールドを省略する識別されたプロジェクトまたはタスクのためのタスクテンプレート１３０６を提示し得る。

【0117】

[0142]いくつかの例では、タスク作成機械学習モジュール１３０２により、代理２０４は、タスクテンプレート１３０６のためのデータフィールドを追加、除去、および／または修正することが可能になり得る。たとえば、タスク作成機械学習モジュール１３０２が、メンバープロファイルの評価に基づいてプロジェクトまたはタスクのための予算に対応するデータフィールドを除去する場合、代理２０４は、代理２０４がメンバー２１０についての代理の知識に基づいてプロジェクトまたはタスクのための予算を定義することを可能にするためにタスクテンプレート１３０６にデータフィールドを追加させることを要求し得る。タスク作成機械学習モジュール１３０２は、いくつかの例では、代理２０４が新しいプロジェクトまたはタスクを定義するためにタスクテンプレート１３０６にいかなる修正も行う必要なしに代理２０４にタスクテンプレート１３０６を与える可能性を改善するために機械学習アルゴリズムまたは人工知能を再トレーニングするためにタスクテンプレート１３０６へのこの変更を利用し得る。

【0118】

[0143]いくつかの実施形態では、タスク作成機械学習モジュール１３０２は、特定のプロジェクト／タスクカテゴリまたはタイプに関連する特性またはパラメータに基づいてタスクテンプレートを選択するために使用される分類またはクラスタリングアルゴリズムを再トレーニングするためにタスクテンプレート１３０６の選択に関するフィードバックをさらに取得することができる。たとえば、タスク作成機械学習モジュール１３０２によって与えられた特定のタスクテンプレート１３０６がメンバー２１０によって表明されたかまたはメンバー２１０からの通信に基づいて別の様式で識別された特定の問題に関係しないことを代理２０４が示す場合、タスク作成機械学習モジュール１３０２は、このタスクテンプレート１３０６が同様のプロジェクト／タスクカテゴリまたはタイプのために選択される可能性を減少させるために分類またはクラスタリングアルゴリズムを修正し得る。さらに、代理２０４がメンバー２１０によって表明された識別された問題のための代替タスクテンプレートを手動で選択する場合、タスク作成機械学習モジュール１３０２は、アルゴリズムが同様のプロジェクトおよびタスクのためにこの特定のタスクテンプレートを選択する可能性を増加させるために分類またはクラスタリングアルゴリズムをさらに修正するためにこの選択を使用し得る。

【0119】

[0144]上記のように、タスク作成サブシステムのモジュール１３０２は、通信セッション２１６を介して交換されるメッセージ２１８、２２０から識別される新しいプロジェクトまたはタスクのパラメータに基づいてタスクテンプレート１３０６中に提示されるデータフィールドを自動的にポピュレートすることができる。たとえば、タスク作成機械学習モジュール１３０２は、選択されたタスクテンプレート１３０６の１つまたは複数のデータフィールドを自動的にポピュレートするためにＮＬＰまたは他の人工知能を使用して収集される新しいプロジェクトまたはタスクのためのパラメータを使用し得る。代理２０４が正確さのために自動的にポピュレートされた情報を検討するだけでよいことがあるので、これは、与えられたタスクテンプレート１３０６を使用して新しいプロジェクトまたはタスクを生成することに関する代理の負担を低減し得る。

【0120】

[0145]識別されたプロジェクトまたはタスクのためのタスクテンプレート１３０６を選択することに加えて、タスク作成機械学習モジュール１３０２は、代理２０４に、識別されたプロジェクトまたはタスクのためにメンバー２１０から必要とされ得る情報に対応するデータをさらに与えることができる。たとえば、メンバー２１０から必要とされ得る識別された情報に基づいて、タスク作成機械学習モジュール１３０２は、メンバーの選好に基づいてプロジェクトまたはタスクに関するメンバー２１０に提示され得る質問のための推奨を自動的に生成し得る。いくつかの実施形態では、タスク作成機械学習モジュール１３０２は、何の質問がメンバー２１０に与えられ得るのかを決定するために機械学習アルゴリズムまたは人工知能を使用することができる。たとえば、タスク作成機械学習モジュール１３０２は、新しいプロジェクトまたはタスクのパラメータをさらに定義するためにメンバーの選好を決定し、これらの選好に基づいてメンバー２１０に与えられ得る質問を識別するために機械学習アルゴリズムまたは人工知能への入力として新しいプロジェクトまたはタスクのために定義されるパラメータと、メンバーデータストア１２０８からのメンバーのプロファイル、と、メンバー２１０のために前に実施されたプロジェクトおよび／またはタスクに対応する履歴データとを使用し得る。

【0121】

[0146]タスク作成機械学習モジュール１３０２によって与えられたデータに応答して、代理２０４は、通信セッション２１６を介して、新しいプロジェクトまたはタスクをより良く定義するために使用され得る追加情報をメンバー２１０から取得するためにメンバー２１０と１つまたは複数のメッセージ１３０８を交換し得る。たとえば、図１３に示されているように、タスク作成機械学習モジュール１３０２が、メンバーに代わって実施されるプロジェクトおよびタスクに関してメンバーの傾向が予算にこだわることを示すデータを与えることの結果として、代理２０４は、新しい住宅への引っ越しのためのメンバーの予算に関してメンバー２１０に質問し得る。タスク作成機械学習モジュール１３０２は、メンバー２１０が代理の１つまたは複数のメッセージ１３０８に応答を与える場合、タスク作成機械学習モジュール１３０２が、代理２０４に与えられたタスクテンプレート１３０６の１つまたは複数のデータフィールドを自動的にポピュレートするために応答を使用し得るように、通信セッション２１６をリアルタイムで監視し続け得る。

【0122】

[0147]いくつかの実施形態では、要求された情報が必要でないこと（たとえば、メンバー２１０が特定のプロジェクトまたはタスクのための予算に関して気にかけないことなど）をメンバー２１０が示す場合、タスク作成機械学習モジュール１３０２は、この情報に関してメンバー２１０にメッセージを送ることを中止するために代理２０４に通知を送信し得る。さらに、タスク作成機械学習モジュール１３０２は、前に要求された情報に対応するあらゆるデータフィールドが新しいプロジェクトまたはタスクのためのもはや関係し得ないので、これらを省略するためにタスクテンプレート１３０６を更新し得る。いくつかの例では、メンバーの応答に基づいて、タスク作成機械学習モジュール１３０２は、同様のプロンプトがタスク容易化サービスのメンバー２１０および他の同様の状況にあるメンバーのための同様のプロジェクトまたはタスクのために代理２０４に与えられる可能性を減少させるために何の情報がメンバー２１０から必要とされ得るのかに関して代理２０４に促すために前に使用された機械学習アルゴリズムまたは人工知能を更新し得る。いくつかの例では、メンバーの応答は、メンバー２１０のための新しいプロジェクトおよびタスクを自動的に定義するために、タスク作成機械学習モジュール１３０２によって維持された様々な機械学習アルゴリズムまたは人工知能によって使用されるメンバーのプロファイルまたはモデルを更新するために使用され得る。たとえば、メンバー２１０が車両の保守に関係するプロジェクトまたはタスクのための予算に関して気にかけないことをメンバー２１０が示し、タスク作成機械学習モジュール１３０２は、メンバー２１０が車両の保守プロジェクトおよびタスクのための予算におそらくこだわらないことを示すために、メンバーのプロファイルを自動的に更新し得る。これは、タスク作成機械学習モジュール１３０２が、それの機械学習アルゴリズムまたは人工知能の使用を通して、車両の保守プロジェクトおよびタスクに関してメンバー２１０から予算情報を取得するように代理２０４を促す可能性を低減し得る。

【0123】

[0148]図１４は、少なくとも１つの実施形態による、機械学習アルゴリズムまたは人工知能が、代理に新しいプロジェクトおよびタスク２２６を通知するためにメンバーと代理との間で２１８交換されるメッセージ２１８を処理するために実装される環境１４００の例示的な例を示す。上記のように、タスク容易化サービスのメンバーと割り当てられた代理とは、メンバーによって表明された何らかの問題に対処するために通信セッション２１６を介してメッセージを交換し得る。たとえば、メンバーは、メンバーが特定の問題に対処するために代理からの支援を必要とすることを表明するために通信セッション２１６を介して１つまたは複数のメッセージ２１８を送信し得る。図１４に示されているように、メンバーは、メンバーが来月に行われることになる新しい都市への今度の引っ越しを計画することに関する支援を必要とすることを表明した。

【0124】

[0149]いくつかの実施形態では、図１３～図３に関して上記で説明されたタスク作成サブシステムのタスク作成機械学習モジュール１３０２は、メンバーのために実施され得る１つまたは複数のプロジェクトおよび／またはタスクを識別するために、通信セッション２１６を介して交換されるメッセージを自動的でリアルタイムに処理するためにＮＬＰまたは他の人工知能を利用し得る。たとえば、図１４に示されているように、タスク作成機械学習モジュール１３０２は、メンバーのために作成され、実施され得る可能なプロジェクトまたはタスクに対応するアンカーワードまたはフレーズ１４０８を識別するためにＮＬＰまたは他の人工知能を使用してメッセージ２１８を処理し得る。たとえば、図１４に示されているように、タスク作成機械学習モジュール１３０２は、「助けが必要」「バヤモンへの引っ越し」および「来月」というアンカーフレーズ１４０８を識別した。「助けが必要」というアンカーフレーズは、新しいプロジェクトまたはタスクを作成したいというメンバーからの要求に対応し得る。「バヤモンへの引っ越し」というアンカーフレーズは、作成されることになる新しいプロジェクトまたはタスクのタイプまたはカテゴリに対応し得る（たとえば、「への引っ越し」は、プロジェクトまたはタスクの引っ越しカテゴリに対応し得る）。さらに、「来月」というアンカーフレーズは、新しいプロジェクトまたはタスクのための時間的制限に対応し得、それによって、「来月」は、プロジェクトまたはタスクの完了のための最終期限を示し得る。したがって、新しいプロジェクトまたはタスクの作成を要求するためにメンバーによって表明されたメッセージ２１８に基づいて、タスク作成機械学習モジュール１３０２は、新しいプロジェクトまたはタスクならびに新しいプロジェクトまたはタスクのためのプロジェクトまたはタスクテンプレートを自動的にポピュレートするために使用され得る新しいプロジェクトまたはタスクのための異なるパラメータを自動的に識別し得る。

【0125】

[0150]いくつかの実施形態では、タスク作成機械学習モジュール１３０２が通信セッション２１６を介してメンバーと代理２０４との間で交換されるメッセージに基づいて新しいプロジェクトまたはタスクを識別する場合、タスク作成機械学習モジュール１３０２は、識別されたプロジェクトまたはタスクのための適切なプロジェクトまたはタスクテンプレートを選択し、メンバーのために実施されることになる新しいプロジェクトまたはタスクの定義を開始することができる。

【0126】

[0151]いくつかの実施形態では、タスク作成機械学習モジュール１３０２がメンバーのために実施されることになる新しいプロジェクトまたはタスクを定義すると、タスク作成機械学習モジュール１３０２は、新しいプロジェクトまたはタスクがメンバーのために作成されていることを示すために代理２０４に通知を送信することができる。たとえば、図１４に示されているように、タスク作成機械学習モジュール１３０２は、新しいプロジェクトまたはタスクがメンバーのために作成されていることを示す新しいメッセージ１４０４を与えるために代理２０４によって利用される代理コンソール１４０２を更新し得る。代理コンソール１４０２は、メンバーとのそれの関係を管理するための利用可能な行為または提案に関して代理を促すためにタスク容易化サービスに関連する代理にタスク容易化サービスによって与えられたインターフェースとして実装され得る。たとえば、代理コンソール１４０２を通して、タスク容易化サービスは、メンバーの特定のプロジェクトおよびタスクを支援することと、プロジェクトおよびタスクの実施に関してメンバーの適切な質問を尋ねることと、メンバーによって表明された特定の問題に関してメンバーを支援するために実施されることになる新しいプロジェクトまたはタスクがいつ識別され、作成されたのかを示すこととを行うために代理２０４がメンバーと通信するのを支援し得る情報を代理２０４に与え得る。したがって、代理コンソール１４０２は、メンバーの認知的負荷を低減し、メンバーのニーズをより良く理解するためにメンバーを支援する際に代理２０４をより良く案内するために与えられ得る。

【0127】

[0152]いくつかの実施形態では、タスク作成機械学習モジュール１３０２がメンバーのために実施されることになる特定のプロジェクトを識別した場合、タスク作成機械学習モジュール１３０２は、新しいプロジェクトを完了するために実施され得る１つまたは複数のタスク２２６を自動的に作成することができる。たとえば、タスク作成機械学習モジュール１３０２は、メンバーのメッセージ２１８に基づいて識別された新しいプロジェクトの特定のプロジェクトカテゴリまたはタイプに関連付けられ得る１つまたは複数のタスクを識別するためにタスク容易化サービスのタスク調整システムによって維持されたリソースライブラリにアクセスし得る。上記のように、リソースライブラリは、プロジェクトまたはタスクの実施のために利用可能な異なるリソースに関係する詳細情報を含み得る。さらに、リソースライブラリは、異なるプロジェクトを完了するために一般に実施される共通のタスクを指定し得る。これらの共通のタスクは、対応するプロジェクトカテゴリまたはタイプに従ってカテゴリ分類され得る。したがって、新しいプロジェクトのカテゴリまたはタイプに基づいて、タスク作成機械学習モジュール１３０２は、新しいプロジェクトを完了するためにメンバーのために実施され得る１つまたは複数のタスク２２６を識別するためにリソースライブラリに問い合わせ得る。

【0128】

[0153]いくつかの例では、タスク作成機械学習モジュール１３０２は、識別されたプロジェクトの完了のために実施され得るタスクを識別し、作成するために機械学習アルゴリズムまたは人工知能を使用し得る。たとえば、タスク作成機械学習モジュール１３０２は、新しいプロジェクトを完了するために実施され得る可能なタスクのセットを識別するために機械学習アルゴリズムまたは人工知能への入力として同様の状況にあるメンバーのための前に識別されたプロジェクトおよびタスクに対応する履歴データならびに新しいプロジェクトに関連する特性またはパラメータを利用し得る。例示的な例として、新しいプロジェクトが新しい都市への引っ越しに対応する場合、タスク作成機械学習モジュール１３０２は、同様の状況にあるメンバーのために完了した前のプロジェクトに対応し、新しい都市への引っ越しに関連する履歴データに基づいて、メンバーの新しい都市への引っ越しを完了するためにこれらの同様の状況にあるメンバーのために前に実施された１つまたは複数のタスクを識別し得る。したがって、識別された１つまたは複数のタスクに基づいて、タスク作成機械学習モジュール１３０２は、メンバーの選好に従って、メンバーのニーズに固有の新しいプロジェクトのための１つまたは複数のタスクを自動的に生成し得る。いくつかの例では、識別された１つまたは複数のタスクに基づいて、タスク作成機械学習モジュール１３０２は、これらの識別された１つまたは複数のタスクに対応するタスクテンプレートを取り出し、これらのタスクテンプレートを使用して新しいタスクを生成し得る。タスク作成機械学習モジュール１３０２は、通信セッション２１６を介して交換されるメンバーの１つまたは複数のメッセージ２１８から生成される情報を使用してこれらのタスクテンプレートをポピュレートし得る。

【0129】

[0154]いくつかの実施形態では、タスク作成機械学習モジュール１３０２が新たに識別されたプロジェクトのための１つまたは複数のタスク２２６を自動的に生成する場合、タスク作成機械学習モジュール１３０２は、代理２０４にこれらのタスク２２６を提示するために代理コンソール１４０２を更新することができる。代理コンソール１４０２を通して、代理２０４は、プロジェクトのために生成された新しいタスク２２６を検討し得る。たとえば、代理２０４は、代理コンソール１４０２を通して、タスク２２６に関連するパラメータ（たとえば、タスク２２６の完了のための時間枠、タスク２２６の完了のために関与されることになる何らかのサードパーティサービス、何らかの予算要件、タスクのために実施されることになる行為など）を検討するために特定のタスク２２６を選択し得る。さらに、代理２０４は、タスク２２６のために必要とされ得る何らかの追加情報を与えるために特定のタスク２２６のためのタスクテンプレートにアクセスし得る。たとえば、タスク２２６がタスク２２６の実施のための予算を示さないが、代理２０４が、タスク２２６の完了のためにメンバーによって定められた予算に関与する場合、代理２０４は、タスク２２６の完了のためのメンバーの予算を示すためにタスク２２６のためのタスクテンプレートを更新し得る。

【0130】

[0155]上記のように、タスク作成機械学習モジュール１３０２は、メンバーの選好に基づいて提示されたタスク２２６に関してメンバーに提示され得る質問のための推奨を自動的に生成し得る。これらの推奨は、代理コンソール１４０２を介して代理２０４に与えられ得る。たとえば、代理２０４が特定のタスク２２６と対話するとき、タスク作成機械学習モジュール１３０２は、代理コンソール１４０２を介して、代理２０４にこれらの推奨を与え得る。これにより、代理２０４は、プロジェクトおよび対応するタスク２２６の定義を完了するために何の追加情報がメンバーから必要とされ得るのかを容易に決定することが可能になり得る。

【0131】

[0156]代理コンソール１４０２を通して、タスク作成機械学習モジュール１３０２は、新しいプロジェクトのための追加のおよび／または代替のタスクを定義するオプション１４０６を代理２０４に与え得る。たとえば、メンバーがプロジェクトのために追加の支援を望む追加のタスクを代理２０４が識別する場合、代理２０４は、これらの追加のタスクを定義するためにこれらの追加のタスクのためにタスクテンプレートにアクセスするオプション１４０６を選択し得る。代理２０４がプロジェクトのための新しいタスクを定義する場合、新しいタスクは、新しいプロジェクトのために代理コンソール１４０２を介して提示されたタスク２２６に追加され得る。いくつかの例では、代理２０４がプロジェクトのために新しいタスクを作成する場合、タスク作成機械学習モジュール１３０２は、同様のプロジェクトのためのおよび同様の状況にあるメンバーのためのタスクを識別するためにタスク作成機械学習モジュール１３０２によって使用され得る履歴データにこの新しいタスクを追加することができる。したがって、代理２０４が特定のプロジェクトのためのタスクを追加するか、除去するか、または修正する場合、タスク作成機械学習モジュール１３０２は、同様の状況にあるメンバーのために実施されることになるプロジェクトのためのタスクを自動的に生成するために使用される機械学習アルゴリズムまたは人工知能をさらにトレーニングするためにこのデータを自動的に使用し得る。

【0132】

[0157]図１５は、少なくとも１つの実施形態による、タスク調整システム２０８が、代理２０４および／または１つもしくは複数のサードパーティサービス２１４によるメンバー２１０のためにタスクの実施を割り当て、監視する環境１５００の例示的な例を示す。環境１５００では、代理２０４は、メンバー２１０のためにプロジェクトまたはタスクの完了に関する提案を生成するためにタスク調整システム２０８の提案作成サブシステム１５０２にアクセスし得る。提案作成サブシステム１５０２は、コンピュータシステムを使用して、またはタスク調整システム２０８のコンピュータシステム上に実装されたアプリケーションもしくは他の実行可能コードとして実装され得る。代理２０４が、メンバー２１０からおよび／またはタスク推奨システム（たとえば、同様の状況にあるメンバーのために実施されたタスクの評価を介して得られたタスクパラメータなど）を通して必要なプロジェクトまたはタスク関連情報を取得すると、代理２０４は、プロジェクトまたはタスクの解決に関する１つまたは複数の提案を生成するために提案作成サブシステム１５０２を利用することができる。

【0133】

[0158]提案は、所与のプロジェクトまたはタスクを調査する間に代理２０４によって作成および／または収集され得るメンバー２１０に提示される１つまたは複数のオプションを含み得る。いくつかの例では、代理２０４は、提案作成サブシステム１５０２を介して、これらの１つまたは複数の提案オプションを生成するために使用され得る１つまたは複数のテンプレートにアクセスし得る。たとえば、提案作成サブシステム１５０２は、タスクデータストア１２１０内でまたは内部的に、異なるプロジェクトおよびタスクタイプのための提案テンプレートを維持し得、それによって、特定のプロジェクトまたはタスクタイプのための提案テンプレートは、プロジェクトまたはタスクタイプに関連する様々なデータフィールドを含み得る。

【0134】

[0159]いくつかの実施形態では、提案テンプレート内のデータフィールドは、どんな情報が提案中でメンバー２１０に提示されるかについて決定する能力を代理２０４に与えるためにオンまたはオフにトグルされ得る。代理２０４は、メンバーの選好についての代理の知識に基づいて、テンプレート内のこれらのデータフィールドのいずれかをオンまたはオフにトグルし得る。たとえば、代理２０４は、メンバー２１０との関係を確立しており、それによって、代理２０４がメンバーのプロジェクトおよびタスクのために評判が良い会社を選択するのをメンバーが信用することを代理２０４が高信頼度で知っている場合、代理２０４は、提案テンプレートから対応する会社のためのレーティング／レビューに対応するデータフィールドをオフにトグルし得る。同様に、メンバー２１０が提案の目的で会社のロケーション／住所に関心がないことを代理２０４が知っている場合、代理２０４は、提案テンプレートから対応する会社のためのロケーション／住所に対応するデータフィールドをオフにトグルし得る。いくつかのデータフィールドが提案テンプレート内でオフにトグルされ得るが、代理２０４は、タスク調整システム２０８によって維持された提案のリソースライブラリを補足するために提案作成サブシステム１５０２によって使用され得る追加情報を与えるためにこれらのデータフィールドを完了し得る。

【0135】

[0160]いくつかの実施形態では、提案作成サブシステム１５０２は、提案中でメンバー２１０に提示され得るデータフィールドに関する代理２０４のための推奨を生成するために機械学習アルゴリズムまたは人工知能を利用する。提案作成サブシステム１５０２は、機械学習アルゴリズムまたは人工知能への入力として、ユーザデータストア１２０８からのメンバー２１０に関連するメンバープロファイルまたはモデルと、タスクデータストア１２１０からのメンバー２１０のための履歴タスクデータと、提案が生成されているプロジェクトまたはタスクに対応する情報（たとえば、プロジェクト／タスクタイプまたはカテゴリなど）とを使用し得る。機械学習アルゴリズムまたは人工知能の出力は、提案テンプレートのどのデータフィールドがオンまたはオフにトグルされなければならないのかを指定し得る。提案作成サブシステム１５０２は、いくつかの例では、代理２０４のために、提案中でメンバー２１０にこれらのデータフィールドを提示する能力を代理２０４に与えるためにこれらのデータフィールドをオンにトグルするオプションを維持し得る。たとえば、提案作成サブシステム１５０２が、プロジェクトまたはタスクの完了のための推定コストに対応するデータフィールドを自動的にオフにトグルしたが、メンバー２１０が、関与する可能なコストへの関心を表した場合、代理２０４は、推定コストに対応するデータフィールドをオンにトグルし得る。

【0136】

[0161]代理２０４がメンバー２１０に関する新しい提案を生成すると、代理２０４は、メンバー２１０に提案と任意の対応する提案オプションとを提示し得る。さらに、提案作成サブシステム１５０２は、メンバー２１０に関するユーザデータストア１２０８中のメンバーエントリに関連するユーザデータストア１２０８中に新しい提案を記憶し得る。いくつかの例では、提案がメンバー２１０に提示されるとき、提案作成サブシステム１５０２は、自動的でリアルタイムに、機械学習アルゴリズムまたは人工知能をさらにトレーニングするために使用され得るデータを取得するために代理２０４および提案とのメンバーの対話を監視し得る。たとえば、代理２０４は、提案作成サブシステム１５０２によって生成された推奨に基づいて特定の会社のためのいかなるレーティング／レビューなしに提案を提示し、メンバー２１０は、（たとえば、代理２０４へのメッセージを通して、特定の会社のためのレーティング／レビューを閲覧する提案中のオプションの選択を通してなど）メンバーが特定の会社のレーティング／レビューに関心があることを示す場合、提案作成サブシステム１５０２は、同様のプロジェクト／タスクまたはプロジェクト／タスクタイプのために選択された会社のレーティング／レビューの提示を推奨する可能性を増加させるために機械学習アルゴリズムまたは人工知能をさらにトレーニングするためにこのフィードバックを利用し得る。

【0137】

[0162]タスク調整システム２０８は、特定の提案テンプレートの１つまたは複数のデータフィールドを自動的にポピュレートするために使用され得るリソースライブラリを維持し得る。リソースライブラリは、特定のプロジェクト／タスクもしくはプロジェクト／タスクタイプに関係する提案または、別の様式で、特定のプロジェクト／タスクもしくはプロジェクト／タスクタイプに関連付けられる提案のために代理によって前に使用された会社および／または製品に対応するエントリを含み得る。たとえば、ワシントン州リンウッドの近くで屋根を修理することに関係するタスクに関する提案を代理２０４が生成するとき、提案作成サブシステム１５０２は、タスクのために代理２０４によって選択される屋根工事業者に関連する情報を取得し得る。提案作成サブシステム１５０２は、リソースライブラリ中に屋根工事業者に対応するエントリを生成し、「屋根の修理」および「ワシントン州リンウッド」にこのエントリを関連付け得る。したがって、ワシントン州リンウッドの近くに位置するメンバーのための屋根を修理することに対応するタスクを別の代理が受信する場合、他の代理は、ワシントン州リンウッドの近くの屋根工事業者についてリソースライブラリに問い合わせ得る。リソースライブラリは、クエリに応答して、代理２０４によって前に選択された屋根工事業者に対応するエントリを戻し得る。他の代理がこの屋根工事業者を選択する場合、提案作成サブシステム１５０２は、リソースライブラリから屋根工事業者のために利用可能な情報で提案テンプレートのデータフィールドを自動的にポピュレートし得る。

【0138】

[0163]タスク作成システムとともに、タスク監視サブシステム１５０４は、コンピュータシステムを使用して、またはタスク調整システム２０８のコンピュータシステム上に実装されたアプリケーションもしくは他の実行可能コードとして実装され得る。サードパーティサービス２１４との調整が自動的に実施され得る場合（たとえば、サードパーティサービス２１４が発注、スケジューリング、支払いのための自動化されたシステムを与えるなど）、タスク監視サブシステム１５０４は、選択された提案オプションに従ってプロジェクトまたはタスクの実施を調整するためにサードパーティサービス２１４と直接対話し得る。タスク監視サブシステム１５０４は、代理２０４にサードパーティサービス２１４からのあらゆる情報を与え得る。代理２０４は、次に、メンバー２１０と代理２０４との間の通信セッションを介しておよび／またはタスク容易化サービスにアクセスするためにメンバー２１０によって利用されるアプリケーションまたはウェブポータルを通してメンバー２１０にこの情報を与え得る。代替的に、代理２０４は、サードパーティサービス２１４が選択された提案オプションに従ってプロジェクトまたはタスクの実施を開始したことを示すために他の通信方法（たとえば、電子メールメッセージ、テキストメッセージなど）を介してメンバー２１０に情報を送信し得る。プロジェクトまたはタスクがメンバー２１０のために代理２０４によって実施されることになる場合、タスク監視サブシステム１５０４は、メンバー２１０によって受け入れられた提案オプションにおいて定義されているパラメータに従ってプロジェクトまたはタスクの実施を調整するために代理２０４を監視し、それと対話し得る。たとえば、タスク監視サブシステム１５０４は、プロジェクトまたはタスクの実施のために必要とされ得るあらゆるリソース（たとえば、支払情報、タスク情報、購入のための好適なソースなど）を代理２０４に与え得る。たとえば、屋根工事業者のための上記の提案が受け入れられる場合、タスク監視サブシステムは、完了またはキャンセルを通してタスクを追跡するために使用され得る。

【0139】

[0164]上記のように、代理２０４は、提案テンプレートを介して、プロジェクトまたはタスクの完了のために使用され得る会社および／または製品のための追加の提案オプションを生成し得る。たとえば、特定の提案について、代理２０４は、代理２０４がタスクの完了のための推奨している会社または製品に対応し得る推奨されるオプションを生成し得る。さらに、追加のオプションまたは選択肢をメンバー２１０に与えるために、代理２０４は、タスクを完了し得る他の会社または製品に対応する追加のオプションを生成することができる。いくつかの例では、メンバー２１０が代理２０４にプロジェクトまたはタスクの完了に関する意思決定を委任したことを代理２０４が知っている場合、代理２０４は、推奨されるオプションの外の追加の提案オプションの生成を控え得る。しかしながら、代理２０４は、メンバー２１０に、プロジェクトまたはタスクのステータスに関する情報をメンバー２１０に欠かさないようにするためにプロジェクトまたはタスクの完了のために選択された提案オプションを依然として提示し得る。

【0140】

[0165]代理２０４が提案テンプレートの使用を介して提案を定義することを完了すると、代理２０４は、メンバー２１０と代理２０４との間に確立された通信セッションを通しておよび／またはタスク容易化サービスによって与えられたアプリケーションまたはウェブポータルを通してメンバー２１０に提案を提示し得る。いくつかの例では、代理２０４は、提案が特定のプロジェクトまたはタスクのために準備されたことおよび提案がタスク容易化サービスによって与えられたアプリケーションまたはウェブポータルを介したレビューの準備ができていることを示すためにメンバー２１０に通知を送信し得る。メンバー２１０に提示される提案は、提案が準備されたプロジェクトまたはタスク、ならびにメンバー２１０に与えられている１つまたは複数のオプションの表示を示し得る。たとえば、提案は、推奨される提案オプションと特定のプロジェクトまたはタスクのために代理２０４によって準備された他のオプション（もしあれば）とへのリンクを含み得る。これらのリンクにより、メンバー２１０は、アプリケーションまたはウェブポータルを介して代理２０４によって準備された１つまたは複数のオプションの間をナビゲートすることが可能になり得る。いくつかの例では、代理２０４は、電子メール、テキストメッセージを介してなど、他の通信チャネルを介してメンバー２１０に提案を送信し得る。

【0141】

[0166]提案オプションごとに、メンバー２１０は、代理２０４によって選択された会社または製品に対応する情報と提案作成サブシステム１５０２を介した代理２０４による提示のために選択されたデータフィールドに対応する情報とを提示され得る。いくつかの例では、メンバー２１０は、特定の提案に関連するどんな詳細またはデータフィールドがアプリケーションまたはウェブポータルを介して提示されるのかを選択し得る。たとえば、メンバー２１０が、提案オプションごとに推定総額を提示され、メンバー２１０が、提案オプションごとに推定総額を検討することに関心がない場合、メンバー２１０は、アプリケーションまたはウェブポータルを介して提案からのこの特定のデータフィールドをオフにトグルし得る。代替的に、メンバー２１０が、各提案オプションに関するさらなる詳細（たとえば、追加のレビュー、追加の会社または製品情報など）を検討することに関心がある場合、メンバー２１０は、このさらなる詳細が提案を介して提示されることを要求し得る。

【0142】

[0167]上記のタスク提案の任意の態様の場合、タスクの任意の態様について、リマインダが作成され得る。そのようなリマインダは、サブタスク、タスク提案の要素、コスト、タイミング、または任意のそのような詳細に関係するデータを含むことができる。リマインダは、メンバーの質問に関係するフォローアップ情報、またはメンバーからの情報要求を含むことができる。たとえば、システムは、暫定的提案を生成することができ、完了した提案が準備される前にメンバーからの明確化を必要とするタスクの態様を識別することができる。ユーザは、タスク価格設定またはサブタスクについての質問を生成することができ、それらの質問は、代理からの明確化についての要求をもたらすことができ、メンバーからの行為または情報についての任意の要求に関連して、リマインダが生成され得る。

【0143】

[0168]与えられた提案の一部として生成されたリマインダとのメンバーの対話、または与えられた提案とのメンバーの対話の任意の態様は、提案作成サブシステム１５０２のフィードバックシステムまたはタスク監視サブシステム１５０４のフィードバックシステムによってアクセスされ得る。そのようなフィードバックシステムは、どの情報が、メンバー２１０に提示されるべきか、また類似のプロジェクト／タスクまたはプロジェクト／タスクタイプに対して類似の状況にあるメンバーに提示されるべきかを決定または推奨するために使用される機械学習アルゴリズムまたは人工知能をさらにトレーニングするために使用され得る。加えて、以下で説明されるように、フィードバックシステムは、タスクチャットフロー内で提示されるタスクリマインダに関連して使用されるアルゴリズムを更新または変更することができる。タスク調整システム２０８の任意の態様の一部としてのそのようなフィードバックシステムは、特定のプロジェクトまたはタスクの提案に提示される情報に関するメンバーの選好と、チャットフロー内のリマインダプロンプトのタイミングまたは配置とを決定するために、提案とのメンバーの対話、タスクリマインダ、またはメンバー２１０のデバイス上のアプリケーションとの対話を自動的でリアルタイムに監視または追跡し得る。そのようなフィードバックシステムは、メンバーの選好をさらに識別するために、メンバー２１０と提案に関係する代理２０４との間で交換される任意のメッセージを追跡することをさらに含み得る。本明細書で説明されるように、タスク調整システム２０８は、タスク調整システム２０８の動作の一部として、数千のユーザに対して同時にリアルタイムでそのような追跡およびシステム選好の更新を実施することができる。タスク実装の一部としての提案およびタスクまたはサブタスクに関する行為のために、代理２０４、タスクインターフェース、またはチャットフローリマインダとのメンバーの対話を通して得られたこのフィードバックおよび情報は、メンバー２１０に、および同様のプロジェクト／タスクまたはプロジェクト／タスクタイプの場合に提案中で同様に状況にあるメンバーに提示されなければならない情報のためのより正確なまたはより改善された推奨を与えるために、機械学習アルゴリズムまたは人工知能を再トレーニングするために使用され得る。

【0144】

[0169]いくつかの実施形態では、提示された提案からの提案オプションをメンバー２１０が受け入れる場合、タスク調整システム２０８は、提示された提案に関連するプロジェクトまたはタスクを実行状態に移動し、代理２０４は、選択された提案オプションに従って提案を実行することに進むことができる。たとえば、代理２０４は、メンバー２１０によって受け入れられた提案において定義されているパラメータに従ってプロジェクトまたはタスクの実施を調整するために１つまたは複数のサードパーティサービス２１４に連絡し得る。代替的に、代理２０４がメンバー２１０のためにプロジェクトまたはタスクを実施することになっている場合、代理２０４は、メンバー２１０によって受け入れられた提案において定義されているパラメータに従ってプロジェクトまたはタスクの実施を開始し得る。受け入れられたタスクの実行は、タスクのタイムラインと、タスクタイムラインを維持するための関連するリマインダ動作とを作成するために、タスク監視サブシステム１５０４を開始することができる。そのような動作は、提案の実行時にリマインダを作成することができるか、またはタスク監視サブシステム１５０４によって実行および更新され得るリマインダ基準を動的に作成することができる。そのような基準は、提案のタイムライン、一般的な時間しきい値のセット、または他のそのような基準に基づくことができる。たとえば、タスクが厳しい最終期限を有する場合、リマインダシステムは、最終期限が近づくにつれてリマインダ頻度またはリマインダタイプを増加させ得る。他のシステムは、リマインダ基準のセットを使用することがあり、ここにおいて、リマインダは、応答が固定された時間枠内に発生しなかった場合に送られ、行為が行われない場合には固定間隔で送られる。

【0145】

[0170]いくつかの実施形態では、代理２０４は、タスクの進行とタスクフローの一部として必要とされるメンバーによる行為の実施とを手動で監視するために、タスク調整システム２０８のタスク監視サブシステム１５０４を利用する。そのような実装形態では、代理は、リマインダ基準を選択し、タスクフローの進行中にリマインダ基準を修正し、代理によって送られる任意のリマインダに加えて、タスクのためのチャットフロー内で発生するように自動リマインダを設定することができる。

【0146】

[0171]いくつかの実施形態では、タスク監視サブシステム１５０４は、メンバー２１０のための代理２０４および／またはサードパーティサービス２１４によるプロジェクトおよびタスクの実施を監視することができる。たとえば、タスク監視サブシステム１５０４は、プロジェクトまたはタスクの実施のための時間枠、プロジェクトまたはタスクの実施に関連するコスト、プロジェクトまたはタスクの実施に関するあらゆるステータス更新などに関してサードパーティサービス２１４によって与えられたあらゆる情報を記録し得る。タスク監視サブシステム１５０４は、この情報をタスクデータストア１２１０内で実施されているプロジェクトまたはタスクに対応するデータレコードに関連付け得る。サードパーティサービス２１４によって与えられたステータス更新は、タスク容易化サービスによって与えられるアプリケーションまたはウェブポータルを介してメンバー２１０におよび代理２０４に自動的に与えられ得る。いくつかの実装形態では、そのような更新は、システムまたはタスクのためのリアルタイムチャットフロー内に提示され得、リマインダは、リアルタイムチャットフロー内に提示されるステータス更新に含まれる。代替的に、ステータス更新は、メンバー２１０と代理２０４と２１０の間に確立される通信セッションを介してまたは他の通信方法を通してメンバー２１０にこれらのステータス更新を与え得る代理２０４に与えられ得る。代理２０４がメンバー２１０のためにプロジェクトまたはタスクを実施する場合、代理２０４は、メンバー２１０と代理２０４との間の通信セッションを介してまたはタスク容易化サービスによって与えられたアプリケーションもしくはウェブポータルを通してメンバー２１０にプロジェクトまたはタスクの代理の実施に関するステータス更新を与え得る。タスク監視サブシステム１５０４は、これらのステータス更新をタスクデータストア１２１０内で実施されているタスクに対応するデータレコードに関連付け得る。

【0147】

[0172]自動更新の場合、本明細書で説明されるスケジューリングアルゴリズムは、ユーザ可視性を増加させ、メンバーのための任意の行為項目とのメンバーの対話の可能性を増加させるように、リアルタイムチャットフロー内のリマインダの配置またはタイミングを決定するために使用され得る（たとえば、タスク進行のために必要とされる追加情報を提供する）。

【0148】

[0173]プロジェクトまたはタスクが完了すると、メンバー２１０は、メンバー２１０によって選択された提案オプションに従ってプロジェクトまたはタスクを実施した代理２０４および／またはサードパーティサービス２１４の実施に関するフィードバックを与え得る。たとえば、メンバー２１０は、プロジェクトまたはタスクの完了に関するそれのフィードバックを示すために通信セッションを介して代理２０４と１つまたは複数のメッセージを交換し得る。加えて、ユーザは、リマインダシステムおよびメンバーに課される作業負荷に関するフィードバックを与え得る。そのようなフィードバックは、異なる周波数レートまたは異なる時刻もしくは曜日でのリマインダが好ましいかどうかを示し得る。いくつかの実施形態では、タスク監視サブシステム１５０４は、提案作成サブシステム１５０２にフィードバックを与え、これは、タスク調整システム２０８、プロジェクトおよびタスクを実施し得るサードパーティサービス２１４とのメンバーの対話、ならびに／または同様のプロジェクトおよびタスクの完了のために代理２０４および／もしくはサードパーティサービス２１４によって実施され得るプロセスを改善するためにメンバー２１０によって与えられたフィードバックを処理するために機械学習アルゴリズムまたは人工知能を使用し得る。たとえば、メンバー２１０が特定のプロジェクトまたはタスクについてサードパーティサービス２１４によって与えられた結果に満足していないことを提案作成サブシステム１５０２が検出する場合、提案作成サブシステム１５０２は、サードパーティサービス２１４が同様のプロジェクトまたはタスクのためにおよび同様の状況にあるメンバーに推奨される可能性を低減するために機械学習アルゴリズムまたは人工知能をさらにトレーニングするためにこのフィードバックを利用し得る。別の例として、メンバー２１０が特定のプロジェクトまたはタスクのために代理２０４によって与えられた結果に喜んでいることを提案作成サブシステム１５０２が検出する場合、提案作成サブシステム１５０２は、同様のプロジェクトおよびタスクのためにおよび／または同様の状況にあるメンバーのために代理によって実施される動作を補強するために機械学習アルゴリズムまたは人工知能をさらにトレーニングするためにこのフィードバックを利用し得る。

【0149】

[0174]図１６～図１９は、タスク容易化環境２００の動作の一部としてチャットフロー内にリマインダを表示するための動作を実施する環境２００の態様を示す。タスク容易化サービス２０２は、タスク調整システム２０８と、関連する提案作成サブシステム１５０２と、リマインダ基準を確立し、本明細書で説明されるリマインダ基準を使用してリマインダの表示を実施するために使用され得るタスク監視サブシステム１５０４とを含む、上記の任意のシステムの要素を含むことができる。いくつかの態様では、リアルタイムチャットフロー処理システム１６０２は、任意のそのようなサブシステムの一部であり得る。図１６～図１９の例では、リアルタイムチャットフロー処理システムは、タスク容易化サービス２０２のタスク監視サブシステム１５０４の一部である。加えて、図１６～図１９は、メンバーデバイス１６１２およびメンバー１６１０と通信する代理デバイス２０４を含むものとしてタスク容易化サービス２０２を含む。加えて、様々なデバイスおよびシステムは、メンバー１６１０のためのタスク容易化サービス２０２０を使用してタスクの生成および実行をサポートするために、サードパーティサービス２１４と対話し得る。

【0150】

[0175]図１６は、チャットフロー１６０４内の直近の位置における自動リマインダ１５５０の配置を示す。リアルタイムチャットフローは、代理デバイス２０４からの最も古いメッセージ１６１２と、代理デバイス２０４からの追加のメッセージ１６１４とを含む。（たとえば、メンバーデバイス１６１２を介した）メンバー１６１０からの追加のクライアントメッセージ１６２２、１６２４、および１６２６も、リアルタイムチャットフロー内に存在する。自動リマインダ１６５０は、リアルタイムチャットフロー処理システム１６０２からリアルタイムチャットフロー１６０４内に提示される。

【0151】

[0176]上記で説明されたように、自動リマインダ１６５０などのリマインダは、任意の数の基準を使用して生成され得る。図１６の図示の例では、リアルタイムチャットフロー処理システム１６０２は、チャット使用追跡システム１６３２と、タスク最終期限追跡システム１６３４と、学習システム１６３６とを含む。他の実装形態は、追加のシステム、または、単一のシステムもしくはシステムの異なる組合せに組み込まれた、以下で説明されるシステムの機能を含むことができる。

【0152】

[0177]チャット使用追跡システム１６３２は、ユーザ（たとえば、メンバー１６１０）がいつアクションを行う可能性があるかを識別するために、（たとえば、本明細書で説明されるタスク調整システム２０８または任意の学習システムとともに説明されるように）使用履歴データを追跡することができる。いくつかの実装形態では、これは、ユーザがメッセージを代理デバイス２０４に送るときだけでなく、ユーザがリアルタイムチャットフロー１６０４を含むアプリケーションもしくはインターフェース、またはタスク容易化サービス２０２と対話するための任意の他のインターフェースと対話するときも追跡することを伴うことができる。いくつかのシステムは、ユーザが行う行為のタイプをさらに詳述し得る。たとえば、１日の一定の時間および１週間の一定の日に、メンバー１６１０は、リアルタイムチャットフロー１６０４などの通信インターフェースおよびアプリケーションインターフェースをチェックし得る。１日の他の特定の時間に、特定のメンバー１６１０は、実行された提案またはアクティブなタスクに関連する行為を行ない得る。リアルタイムチャットフロー処理システム１６０２の基準は、リマインダが所与のタスク項目に関する行為を行うようにメンバー１６１０をトリガする可能性が最も高いとき、リアルタイムチャットフロー１６０４内の時間または位置を決定するために、そのような情報をスケジューリングアルゴリズムへの入力として使用し得る。

【0153】

[0178]加えて、いくつかの実装形態では、チャット使用追跡システム１６３２は、自動リマインダ１６５０が有効であり得るときを決定するために、カレンダ情報などの他の関連情報を記憶するデータベースまたはメモリにさらにアクセスすることができる。たとえば、チャット使用追跡データ自体は、木曜日の午後３時が、ユーザが自動リマインダ１６５０に応答する可能性が高い時間であることを示し得る。しかしながら、カレンダデータは、ユーザが行為を行うことを妨げる特定の木曜日にスケジュールされたミーティングをメンバー１６１０が有することを示し得る。そのようなスケジューリングアルゴリズムと統合され得る追加のデータは、たとえば、自動リマインダ１６５０に関連付けられたタスクの予想される持続時間に関する情報であり得る。関連するタスクの予想される時間が５分である場合、スケジューリングアルゴリズムは、ユーザが過去にそのような小さなタスクを実施した時間期間の自動リマインダを送ることがある。関連するタスクの予想される時間が６０分である場合、スケジューリングアルゴリズムは、より大きい重みをカレンダデータに与えることができる。

【0154】

[0179]タスク最終期限追跡システム１６３４は、スケジューリングアルゴリズムが自動リマインダ１６５０のためにリアルタイムチャットフロー１６０４内の時間または配置位置をどのように選択するかを修正することができる、スケジューリングアルゴリズムのための入力データを生成するためにさらに使用され得る。上記で説明されたように、提案されたまたは実行されたタスク提案は、様々なタイプの最終期限を有し得る。いくつかのタスクは、最終期限後に、タスクが無関係または無意味になるように、「厳しい」最終期限を有し得る。他のタスクは、関連する最終期限を有しないことがある。タスク最終期限追跡システム１６３４は、最終期限または中間期限（たとえば、より大きいプロジェクトまたはタスク内のサブタスク最終期限）のタイプに関する情報を記憶することができる。厳しい最終期限の場合、リアルタイムチャットフロー処理システム１６０２は、厳しい最終期限が近づくにつれて、ますます高い頻度で自動リマインダを生成し得る。加えて、いくつかのリマインダは、リアルタイムチャットフロー１６０４外のリマインダ経路を含み得る。そのような厳しい最終期限のリマインダの初期セットは、たとえば、リアルタイムチャットフロー１６０４内に排他的に現れ得る。最終期限がしきい値時間内に来たとき、可聴アラーム、自動通話、自動テキストメッセージ、代理デバイス２０４へのアラート、または他のそのようなリマインダアラートなどの追加のリマインダまたは注意行為が、自動リマインダ１６５０に伴うことがある。

【0155】

[0180]リアルタイムチャットフロー処理システム１６０２内の学習システム１６３６は、メンバー１６１０などの特定のメンバーをターゲットにしたスケジューリングアルゴリズムに対する個別化されたリマインダ改善を生成することができる。たとえば、チャット使用追跡、過去の自動リマインダに対するユーザ応答を追跡するデータ、カレンダ履歴、および他のそのようなデータは、スケジューリングアルゴリズムと、スケジューリングアルゴリズムがどのようにリマインダおよびアラートを特定のメンバーに表示するのかとに影響を及ぼすように、学習システム１６３６へのフィードバックとして使用され得る。加えて、メンバーが特定のタイプの行為を実施するのにどのくらいの時間がかかるか、完了したタスクのリマインダおよび他の詳細に関するユーザフィードバック、または任意の他のそのような基準などの情報は、タスク容易化サービス２０２によって特定のメンバー１６１０に代わって容易化される将来のタスクの任意の態様を改善するようにスケジューリングアルゴリズムを調整するために、機械学習フィードバックの一部として使用され得る。

【0156】

[0181]図１７は、リアルタイムチャットフロー１７０４内の自動リマインダの進行を示す。図示のように、時間とともに、リアルタイムチャットフロー１６０４は、追加のメッセージ１６１６および１６２８とともに進行し、自動リマインダ１６５０は、リアルタイムチャットフロー内でシフトする。リアルタイムチャットフロー処理システム１６０２は、自動リマインダ１６５０と対話することなく、ユーザがメンバーデバイス１６１２内でリアルタイムチャットフローをいつ開くかを追跡することができる。この情報は、上記で説明されたように、スケジューリングアルゴリズムを更新する任意の態様のために使用され得る。追加のチャット通信が、メンバーデバイス１５１２を使用してメンバー２１０によってリアルタイムチャットフローに追加されるか、または代理デバイス２０４を介して追加されたとき、追加のメッセージが、リアルタイムチャットフロー１５１０に追加される。いくつかの実装形態では、元のリマインダをリアルタイムチャットフロー１５１０内の設定された位置に保持しながら、スケジューリングアルゴリズムによって選択された時間または位置において、自動リマインダ１５５０の追加のコピーがリアルタイムチャットフローに追加され得る。他の実装形態では、自動リマインダ１５５０は、ユーザ目標およびタスクを達成することを含む、好適なユーザ経験を与えるために、リアルタイムチャットフロー１５１０内でスケジューリングアルゴリズムによって決定された位置に周期的に移動され得る。

【0157】

[0182]図１８は、自動リマインダ１５５０の選択の態様を示す。いくつかの実装形態では、リマインダは、単に、リアルタイムチャットフロー１５１０内のテキストメッセージであり得る。他の実装形態では、自動リマインダ１５５０との対話は、高速のインターフェース１８９０を与える。図示された高速のインターフェース１８９０は、無視／スヌーズインターフェース要素１８９４を使用してリマインダを無視または遅延させるオプションを与える。リマインダが無視される場合、自動リマインダは、リアルタイムチャットフロー１５１０から除去され得る。いくつかの実装形態では、無視入力は、メンバーが無視している自動リマインダをなぜシステムが作成したのかを識別するために、代理２０４に通信され得る。代理デバイス２０４へのそのような通信は、将来のリマインダの選択を改善するために、学習システム１５３６のためのフィードバックを生成するために使用され得る。そのようなフィードバックは、メンバー２１０による誤り、メンバーとタスク容易化サービス２０２との間の優先度の不整合、またはメンバー２１０によるタスク最終期限の誤解を識別し得る。

【0158】

[0183]「スヌーズ」インターフェース要素１８９４が選択された場合、ユーザが、次のリマインダの時間もしくは位置を選択するように促されることがあり、または、新しいリマインダが、デフォルト、もしくはスケジューリングアルゴリズムによって選択された後続のリマインダのいずれかで選択され得る。たとえば、厳しい最終期限が近い場合、スケジューリングアルゴリズムは、リマインダが厳しい最終期限のないタスクに関連付けられる場合よりも迅速に提示される自動リマインダを作成することができる。リマインダ選択のためにスケジューリングアルゴリズムまたは機械学習／ＡＩによって使用するための上記で説明された任意の情報は、リマインダがリアルタイムチャットフロー１５１０内で再表示される時間または位置の選択に影響を及ぼすように、リマインダ対話インターフェース１８９０と統合され得る。

【0159】

[0184]メンバー２１０が要素１８９２に応答または要素１８９２と対話することを選択した場合、リマインダ対話１８９０は、リマインダに関連するタスク要素に関連するインターフェースへの直接リンクを含むことができる。たとえば、リマインダがメンバー２１０からの情報の収集に関連付けられている場合、要素１８９２の選択が、メンバーが標準的なインターフェースオプションをナビゲートすることなく、メンバーデバイス１５１２のディスプレイまたはユーザインターフェースを関連する収集インターフェースに直接ナビゲートするように、応答／対話要素１８９２のためのユーザインターフェースは、データ入力インターフェースへの直接リンクを含むことができる。同様に、リマインダがサードパーティサービス２１４のサードパーティサービスと通信するためのものである場合、要素１８９２は、リマインダに関連するタスク要素の完了を容易化するために事前に充たされた連絡先情報を有する通信インターフェース（たとえば、メッセージング、電子メール、電話など）への直接ナビゲーションを与えることができる。様々な実装態様では、そのような直接接続は、リマインダに関連するタスク項目に基づいてタスク容易化サービス２０２によって自動的に生成され得、または、代理デバイス２０４が、リマインダに関連するタスク要素を完了するためのメンバーの対話を低減するように、そのような直接リンクを構成するために使用され得る。たとえば、上記の例では、引っ越しに関連するタスク提案がシステムによって処理されたとき、提案分析は、初期要求においてメンバーによって提供されないデータのセットを要求することができる。引っ越しのためのそのような情報は、引っ越しする部屋の数、人々の引っ越しのためのデータ範囲、ある家から別の家へのアイテム引っ越しのための日付範囲、予算、引っ越しのための特殊なアイテム（たとえば、ピアノ、アートなど）のリスト、または任意の他のそのようなデータであり得る。他のプロジェクトは、同様に、システムによって識別されたデータセットを含むことができ、自動リマインダ１５５０の一部としてのリマインダ対話１８９０の要素は、リマインダに関連するデータ入力行為を完了するためにメンバーにデータ入力インターフェースを提示するための入力行為の数を低減することによってシステムの動作を改善するために、カスタマイズされたデータ要求入力に対する直接リンクを含むことができる。

【0160】

[0185]いくつかの例では、タスク作成機械学習モジュールは、異なるプロジェクトおよびタスクカテゴリまたはタイプのためのメンバーの選好を決定するために機械学習アルゴリズムまたは他の人工知能を使用してメンバーのプロファイルを評価し得る。機械学習アルゴリズムまたは人工知能は、何の情報が同様のプロジェクトおよびタスクまたは同様のタイプのプロジェクトおよびタスクのためにメンバーにおよび同様の状況にあるメンバーに提示されなければならないのかを決定または推奨するために使用され得る。タスク機械学習モジュールは、これらのプロジェクトおよびタスクに中に提示される情報に関するメンバーの選好を決定するためにプロジェクトおよびタスクとのメンバーの対話を監視または追跡し得る。さらに、タスク作成機械学習モジュールは、異なるプロジェクトおよびタスクのための提案内に提示される情報に関する何らかのメンバー選好を取得するために提案作成サブシステムからデータを取得し得る。加えて、タスク作成機械学習モジュールは、メンバーの選好をさらに識別するためにプロジェクトおよびタスクに関係するメンバーと代理との間で交換されるあらゆるメッセージを監視または追跡し得る。いくつかの例では、タスク作成機械学習モジュールは、メンバーの選好を識別するためにメンバーに提示されたプロジェクトおよびタスクに関するメンバーからのフィードバックを要請し得る。プロジェクトおよびタスクに関する代理とのメンバーの対話およびこれらのプロジェクトおよびタスク自体とのメンバーの対話を通して得られたこのフィードバックおよび情報は、メンバーの選好を決定するために機械学習アルゴリズムまたは人工知能を再トレーニングするために使用され得る。タスク作成機械学習モジュールは、メンバーの選好を決定する際に使用するためのメンバープロファイルまたはモデルを更新するために代理とのメンバーの対話を通して得られたフィードバックおよび情報をさらに使用し得る。

【0161】

[0186]図１９は、更新されたチャットフロー１９０４を含むシステムを有するチャットフローの追加の態様を示す。図示のように、リアルタイムチャットフロー１９０４は、追加の自動リマインダ１９５２および１９５４を含む。異なるチャットフローは、任意の数の異なる自動リマインダを含むことができ、各自動リマインダは、異なるタスクのためにカスタマイズされた異なるインターフェースへのリンクを有し、したがって、リマインダに関連するタスクインターフェースのために、（たとえば、スケジューリングアルゴリズムによって動的に決定されるリアルタイムチャットフロー内の時間または配置によって）集中化され、自動的に優先された直接インターフェースリンクのセットを与える。いくつかの実装形態では、リマインダに関連する完了したタスクは、リアルタイムチャットフロー内に以前にリマインダを含んでいたタスクが関連するタスクを完了させたことを示すメッセージをリアルタイムチャットフロー内に残すことができる。他の実装形態では、リマインダメッセージは、他の優先された情報の提示のためのスペースを与えるために、関連するタスク要素の完了後にリアルタイムチャットフローから除去され得る。

【0162】

[0187]図２０は、図１８のリマインダ対話要素１８９０と同様であり得る応答／対話要素２０９２を有するシステム２０００の態様を示す。図２０に示されているように、代理２０４およびメンバー２１０は、タスク提案または受け入れられたタスクに関して通信することができる。情報は、タスク調整システム２０８に与えられ得、メンバー２１０のための行為のセットは、タスク情報に応答してタスク調整システム２０８によって自動的に、または、タスク調整システム２０８内の代理２０４によって作成されたリマインダに基づいてのいずれかで実装される。タスク調整システム２０８は、リマインダを管理し、ユーザインターフェースのための応答／対話要素２０９２を自動的に作成するために、リアルタイムチャットフロー処理システム１６０２などのシステムを含むことができる。リアルタイムチャットフロー処理システム１６０２は、チャットフロー内のリマインダ要素を管理し、リアルタイムチャットフロー内のリマインダ要素とともに含まれる応答／対話要素２０９２の一部として、リアルタイムチャットフロー内のリマインダとともに含まれる簡略化された直接アクセスリンクを使用してリマインダに関連するタスク要素の完了を容易化するためにユーザに提示されるインターフェース要素を管理するために、ユーザデータ１５０８と、タスクデータ１５１０と、学習データ２０１０とを使用してそのような要素を生成することができる。応答／対話要素２０９２は、タスク調整システム２０８のために記憶された情報を有するデータベース２０９９へのインターフェースを含むことができるだけでなく、サードパーティサービス２１４がリマインダに関連するタスク要素の一部であるとき、そのようなサービスのための情報およびインターフェースリンクも含むことができる。これは、タスクの完了を支援することが確認されたサードパーティサービスに安全な支払情報を提供するためのシステムへのアクセス、メンバーによって承認されたタスクの詳細などのサードパーティサービスへの情報の提供、権利放棄もしくは契約署名の情報、サービスによって提供されるオプションの選択（たとえば、引っ越しするトラックのサイズ、パッキング材料のタイプなど）、または任意の他のそのような情報もしくはサードパーティサービス２１４との対話を含むことができる。

【0163】

[0188]図２１～図２４は、方法２１００、２２００、２３００、および２４００の動作を示す。そのような方法の動作は、メンバーデバイス１２０、２１２などのメンバーデバイスによって実施され得、対応する動作は、タスク容易化サービス１０２、２０２を実装するサーバコンピュータによって実施され得る。いくつかの態様では、本方法は、デバイスの１つまたは複数のプロセッサによって実行されたとき、図示された方法の動作をデバイスに実施させる、コンピュータ可読記憶媒体に記憶された命令として具現化される。いくつかの態様は、ユーザインターフェースを可能にするためにプロセッサに結合されたディスプレイを含む。ユーザインターフェースは、情報を処理するためのユーザ対話時間を低減し、サービス１０２、２０２を介してタスクおよびサブタスクに関連するメンバーの認知的負荷を低減するために、タスク管理および情報提示を用いてデバイス動作を改善するための機能を容易化する。これは、チャットフローインターフェースを介したメッセージおよび関連するデータの提示およびソートだけでなく、タスクを自動的に生成または修正し、タスク情報のためにカスタマイズされたユーザインターフェースを生成して、低減されたデバイス対話およびメンバーの認知的負荷の全体的な減少を有するデバイス機能をメンバーに与えるためのメッセージの機械学習アルゴリズム処理を含むことができる。

【0164】

[0189]図２１００は、方法２１００を示す。方法２１００は、本明細書で説明される例による、タスクシステムに関連するチャットフローインターフェースのためのフィードバックを生成し、提示し、使用するための動作を含む。方法２１００は、メンバーおよび代理に関連するメッセージのセットを受信することを伴うステップ２１０２を含み、ここにおいて、代理は、メンバーに代わってタスクの実施のためにメンバーに割り当てられる。方法２１００は、メッセージのセットに関連する１つまたは複数のタスク推奨を含むタスクデータを生成するために、メッセージのセットを処理することを伴うステップ２１０４をさらに含み、ここにおいて、１つまたは複数のタスク推奨は、メンバーに代わって実施可能なタスクのセットに対応する。方法２１００は、チャットインターフェース内のチャットフローを追跡することを伴うステップ２１０６をさらに含み、ここにおいて、メッセージのセットは、チャットインターフェース内で交換される。方法２１００は、１つまたは複数のタスク推奨に関連する１つまたは複数のリマインダの位置またはタイミングを選択するために、チャットフローを処理することを伴うステップ２１０８をさらに含む。方法２１００は、１つまたは複数のリマインダの位置またはタイミングを使用して、チャットフロー内に１つまたは複数のリマインダを自動的に挿入することを伴うステップ２１１０をさらに含む。方法２１００は、１つまたは複数のリマインダおよびタスクのセットに関連するフィードバック表示を受信することを伴うステップ２１１２をさらに含む。

【0165】

[0190]図２２は、方法２２００を示す。方法２２００は、本明細書で説明される例による、メッセージをタスクシステム内の１つまたは複数のタスクに関連付ける個々のメッセージに関するフラグを有するチャットフローインターフェースを生成し、提示し、更新するための動作を含む。いくつかの実装形態では、方法２２００は方法２１００の動作を含み、ステップ２２０２、２２０４、２２０６、２２０８、２２１０、および２２１２は、方法２１００のステップに対応し、追加のステップ２２１４が含まれる。したがって、方法２２００は、フィードバック表示を使用して機械学習ネットワークを更新することを伴うステップ２２１４をさらに含み、ここにおいて、機械学習ネットワークは、チャットインターフェースのチャットフロー内の将来のリマインダの位置またはタイミングの選択を更新するために、フィードバック表示および１つまたは複数のリマインダの位置またはタイミングを使用してトレーニングされる。いくつかの実装形態では、ステップ２２１４の機械学習ネットワークは、上記で説明されたスケジューリングアルゴリズムの実装形態であり得る。フィードバック表示は、リマインダに関連するタスク要素を完了するための行為を用いてメンバーがリマインダに応答する予想確率を改善するようにアルゴリズムを修正するために使用される、リマインダ対話１８９０のための対話データなどの、上記で説明された任意の情報であり得る。

【0166】

[0191]図２３は、方法２３００を示す。方法２３００は、本明細書で説明される例による、メッセージをタスクシステム内の１つまたは複数のタスクに関連付ける個々のメッセージに関するフラグを有するチャットフローインターフェースを生成し、提示し、更新するための動作を含む。方法２３００は、方法２１００および２２００と同様であるが、ステップ２３０４は、メッセージのセットの人工知能処理からタスクデータを生成するための動作を含む。そのような動作は、自動化されたタスク提案生成に関係する上記で説明された任意の詳細を伴うことができる。追加のステップ２３０２、２３０６、２３０８、２３１０、２３１２、および２３１４は、チャットフローリマインダ生成および管理において自動的に生成されたタスクデータを使用するために、上記で説明されたように進行することができる。

【0167】

[0192]いくつかの実装形態では、方法２１００、２２００、または２３００は、代理が、メッセージのセットの一部として代理通信を生成するために、自然言語処理を使用してメンバーと対話するように構成された機械学習アルゴリズムを備える場合にさらに動作し得る。いくつかの実装形態では、そのような方法は、タスクデータがメンバーのためのカレンダデータを備える場合にさらに動作し得る。いくつかの実装形態では、そのような方法は、タスクデータが、メッセージ、カレンダ、およびメンバーのモバイルデバイスからの入力データの統合されたセットを備える場合にさらに動作し得る。いくつかの実装形態では、そのような方法は、フィードバック表示が、１つまたは複数のリマインダに関連するユーザ入力選択を備える場合にさらに動作し得る。いくつかの実装形態では、そのような方法は、フィードバック表示が、１つまたは複数のリマインダに関連するタスク管理アプリケーションにおけるタスク更新通信を備える場合にさらに動作し得る。同様に、いくつかの実装形態では、そのような方法は、１つまたは複数のリマインダから更新されたリマインダを生成することをさらに伴い得、ここにおいて、更新されたリマインダは、フィードバック表示を含む更新されたタスクデータに少なくとも部分的に基づく。

【0168】

[0193]図２４は、追加の方法２４００を示す。方法２４００は、本明細書で説明される例による、メッセージをタスクシステム内の１つまたは複数のタスクに関連付ける個々のメッセージに関するフラグを有するチャットフローインターフェースを生成し、提示し、更新するための動作を含む。方法２４００は、メンバーデバイスおよび代理デバイスに関連するメッセージのセットを受信するステップ２４０２を伴い、ここにおいて、代理デバイスは、メンバーに代わってタスクの実施のためにメンバーデバイスに関連するメンバーに割り当てられた代理に関連付けられる。方法２４００は、メッセージのセットに関連する１つまたは複数のタスク推奨を含むタスクデータを生成するために、メッセージのセットを処理するステップ２４０４を伴い、ここにおいて、１つまたは複数のタスク推奨は、メンバーに代わって実施可能なタスクのセットに対応する。方法２４００は、チャットインターフェース内のリアルタイムチャットフローを追跡するステップ２４０６を伴い、ここにおいて、メッセージのセットは、メンバーデバイスおよび代理デバイスを使用してチャットインターフェース内で交換される。方法２４００は、１つまたは複数のタスク推奨に関連する１つまたは複数のリマインダの位置またはタイミングを選択するために、スケジューリングアルゴリズムを使用して、メッセージのセットのうちのメッセージが受信されたとき、リアルタイムチャットフローをリアルタイムで処理するステップ２４０８を伴う。方法２４００は、１つまたは複数のリマインダの位置またはタイミングを使用して、リアルタイムチャットフロー内に１つまたは複数のリマインダを自動的に挿入するステップ２４１０を伴う。方法２４００は、メンバーデバイスのチャットインターフェース内に提示されるリアルタイムチャットフロー内の１つまたは複数のリマインダの提示を容易化するステップ２４１２を伴う。

【0169】

[0194]いくつかの実装形態では、方法２４００は、メンバーデバイスを含む複数のメンバーデバイスからメッセージを同時に受信することをさらに伴うことができる。いくつかのそのような動作は、数百または数千の異なるメンバーデバイスからの毎秒数百または数千のメッセージを同時に処理することを伴うことができる。いくつかの実装形態は、毎秒数万以上のメッセージまたはメンバーを伴うことができる。いくつかのそのような実装形態は、関連するタスクデータを生成し、関連する代理デバイス上の関連するチャットストリームを更新するために、複数のメンバーデバイスからのメッセージを同時に処理することをさらに伴い得る。同様に、方法２１００から２４００の任意の動作は、同様の量のメッセージを伴うことができ、様々なアルゴリズム更新、タスク提案生成、およびフィードバックシステムは、フィードバックシステムを更新するために（たとえば、タスク提案、スケジューリングアルゴリズムなどを更新またはパーソナライズするために）、そのようなデータを動的にリアルタイムで使用することができる。

【0170】

[0195]いくつかの実装形態は、メンバーデバイスに関連するカレンダデータにアクセスするための動作をさらに含み得、ここで、スケジューリングアルゴリズムは、１つまたは複数のリマインダの位置またはタイミングを選択するために、リアルタイムチャットフロー処理とともにカレンダデータをさらに使用する。いくつかの実装形態は、メッセージのセットのうちの１つまたは複数のメッセージとともにチャットインターフェースアクセスデータを受信することをさらに伴い得、ここで、チャットインターフェースアクセスデータがメンバーデバイスから受信されたとき、チャットインターフェースアクセスデータは、メンバーデバイス上のチャットインターフェースの表示の日付および時間に関する情報を含み、ここで、スケジューリングアルゴリズムは、１つまたは複数のリマインダの位置またはタイミングを選択するために、リアルタイムチャットフロー処理とともにチャットインターフェースアクセスデータをさらに使用する。

【0171】

[0196]いくつかのそのような方法は、チャットインターフェースアクセスデータを受信することをさらに伴い得、ここにおいて、チャットインターフェースアクセスデータがメンバーデバイスから受信されたとき、チャットインターフェースアクセスデータは、メンバーデバイス上のチャットインターフェースの提示のリアルタイム通知とともに受信され、ここで、スケジューリングアルゴリズムは、１つまたは複数のリマインダの位置またはタイミングを選択するために、リアルタイムチャットフロー処理とともにチャットインターフェースアクセスデータをさらに使用し、ここで、１つまたは複数のリマインダの位置またはタイミングを使用してリアルタイムチャットフロー内に１つまたは複数のリマインダを自動的に挿入することは、メンバーデバイス上のチャットインターフェースの提示のリアルタイム通知に対する応答としてリアルタイムで実施される。

【0172】

[0197]いくつかのそのような方法は、チャットインターフェースアクセス通知を受信することと、前のチャットインターフェースアクセス通知以降の新しいチャットの数を決定することと、スケジューリングアルゴリズムによって、最後のチャットフローアクセス以降の新しいチャットの数に基づいて、動的生成に関連する１つまたは複数のリマインダの位置またはタイミングを動的に選択することとをさらに伴い得る。いくつかの方法は、チャットインターフェースのリマインダ対話ユーザインターフェースからフィードバック表示を受信することと、ここにおいて、フィードバック表示は、１つまたは複数のリマインダに関連するタスク管理アプリケーションにおけるタスク更新通信を備える、フィードバック表示に基づいて、メンバーデバイスのためのターゲット調整を用いてスケジューリングアルゴリズムを更新することとをさらに伴い得る。

【0173】

[0198]上記で説明された例示的な方法に加えて、追加の方法および動作が以下で説明される。いくつかの実装形態では、以下の方法は、本明細書で説明される態様による個々の実装形態である。他の実装形態では、以下で説明される動作は、上記で説明された様々な動作と、本明細書で説明される任意の他のシステム、デバイス、または方法とを組み合わせられ得る。

【0174】

[0199]一例では、方法は、メンバーおよび代理に関連するメッセージのセットを受信することと、ここにおいて、代理は、メンバーに代わってタスクの実施のためにメンバーに割り当てられる、メッセージのセットに関連する１つまたは複数のタスク推奨を含むタスクデータを生成するために、人工知能エージェントを使用してメッセージのセットを処理することと、ここで、１つまたは複数のタスク推奨は、メンバーに代わって実施可能なタスクのセットに対応する、チャットインターフェース内でチャットフローを追跡することと、ここで、メッセージのセットは、チャットインターフェース内で交換される、１つまたは複数のタスク推奨に関連する１つまたは複数のリマインダの位置またはタイミングを選択するために、機械学習ネットワークを使用してチャットフローを処理することと、１つまたは複数のリマインダの位置またはタイミングを使用してチャットフロー内に１つまたは複数のリマインダを自動的に挿入することと、１つまたは複数のリマインダとタスクのセットとに関連するフィードバック表示を受信することと、フィードバック表示を使用して機械学習ネットワークを更新することとを伴い、ここで、機械学習ネットワークは、チャットインターフェースのチャットフロー内の将来のリマインダの位置またはタイミングの選択を更新するために、フィードバック表示と１つまたは複数のリマインダの位置またはタイミングとを使用してトレーニングされる。

【0175】

[0200]いくつかのそのような例は、代理が、メッセージのセットの一部として代理通信を生成するために、自然言語処理を使用してメンバーと対話するように構成された機械学習アルゴリズムを備える場合に動作することができる。いくつかのそのような例は、タスクデータがメンバーのためのカレンダデータを備える場合に動作することができる。いくつかのそのような例は、タスクデータが、メッセージ、カレンダ、およびメンバーのモバイルデバイスからの入力データの統合されたセットを備える場合に動作することができる。いくつかのそのような例は、フィードバック表示が、１つまたは複数のリマインダに関連するユーザ入力選択を備える場合に動作することができる。いくつかのそのような例は、フィードバック表示が、１つまたは複数のリマインダに関連するタスク管理アプリケーションにおけるタスク更新通信を備える場合に動作することができる。いくつかのそのような例は、１つまたは複数のリマインダから更新されたリマインダを生成することをさらに伴うことができ、ここで、更新されたリマインダは、フィードバック表示を含む更新されたタスクデータに少なくとも部分的に基づく。

【0176】

[0201]別の例は、メッセージのセットが交換されている間にメンバーと代理との間のメッセージのセットをリアルタイムに受信することと、メッセージのセットに関連する１つまたは複数のタスク推奨を識別するためにメッセージのセットを処理することと、ここで、１つまたは複数のタスク推奨は、メンバーに代わって代理によって実施可能なタスクのセットに対応する、チャットインターフェース内のチャットフローを追跡することと、ここで、メッセージのセットは、チャットインターフェース内で交換される、１つまたは複数のタスク推奨のうちの少なくとも１つをメッセージのセットのうちのメッセージに自動的に割り当てるために機械学習ネットワークを使用してチャットフローを処理することと、メッセージをタスクのセットの関連するタスクに関連付けることによって１つまたは複数のタスク推奨に関するメッセージ履歴を生成することとを備える方法である。

【0177】

[0202]いくつかのそのような例は、追加のリアルタイムメッセージが交換されている間にメンバーと代理との間で追加のリアルタイムメッセージを受信することと、１つまたは複数のタスク推奨のうちの少なくとも第２のタスク推奨を追加のメッセージのうちの１つまたは複数のメッセージに割り当てるために、追加のリアルタイムメッセージに関連する追加のチャットフローを処理することと、追加のメッセージのうちの１つまたは複数のメッセージの処理に基づいてメッセージ履歴に動的に注釈を付けることとをさらに伴うことができる。

【0178】

[0203]いくつかのそのような例は、メッセージのセットのうちのメッセージをタスクのセットのうちのタスクに関連付ける非自動関連付けタグを受信することと、非自動関連付けタグに基づいて１つまたは複数のタスク推奨に関するメッセージ履歴を更新することと、メッセージ履歴および非自動関連付けタグを使用して機械学習ネットワークを更新することとをさらに伴うことができる。

【0179】

[0204]いくつかのそのような例は、タスクのセットのうちの第１のタスクに関連するタスク入力を受信することと、第１のタスクに関連するメッセージを分離するために、チャット履歴を動的にフィルタ処理することと、チャット履歴の残りのメッセージから分離されたものとして、メッセージ履歴からの第１のタスクに関連するメッセージを表示することとをさらに伴うことができる。

【0180】

[0205]いくつかのそのような例は、第１のタスクについてのリマインダ入力を受信することと、メッセージ履歴およびリマインダ入力に基づいて、第１のタスクに関連する１つまたは複数のリマインダの位置またはタイミングを選択することと、１つまたは複数のリマインダの位置またはタイミングを使用して、チャットフロー内に１つまたは複数のリマインダを自動的に挿入することと、１つまたは複数のリマインダおよび第１のタスクに関連するフィードバック表示を受信することと、フィードバック表示を使用して機械学習ネットワークを更新することとをさらに伴うことができ、ここで、機械学習ネットワークは、チャットインターフェースのチャットフロー内の将来のリマインダの位置またはタイミングの選択を更新するために、フィードバック表示と１つまたは複数のリマインダの位置またはタイミングとを使用してトレーニングされる。

【0181】

[0206]別の例は、メンバーから１つまたは複数の事前フィルタ処理入力（たとえば、タスクタグに関連するユーザインターフェース入力）を受信することと、ここで、１つまたは複数の事前フィルタ処理入力は、タスク関連付けに基づいてリアルタイムチャットインターフェースから非表示にするメッセージを識別する、メッセージのセットが交換されている間にメンバーと代理との間でメッセージのセットをリアルタイムで受信することと、１つまたは複数のタスクをメッセージのセットのうちのメッセージに関連付けるために機械学習アルゴリズムを使用してメッセージのセットをリアルタイムで処理することと、ここで、１つまたは複数のタスクは、メンバーに代わって代理によって実施可能なタスクのセットに対応する、１つまたは複数の事前フィルタ処理入力と第１のメッセージとの第１のタスク関連付けとに基づいて、リアルタイムチャットインターフェース内にメッセージのセットのうちの第１のメッセージを表示することと、１つまたは複数の事前フィルタ処理入力と第２のメッセージとの第２のタスク関連付けとに基づいて、リアルタイムチャットインターフェース内にメッセージのセットのうちの第２のメッセージを非表示にすることとを伴う。

【0182】

[0207]いくつかのそのような例は、更新された事前フィルタ処理入力を受信することと、第２のメッセージと第２のタスク関連付けに関連する１つまたは複数の追加のリアルタイムメッセージとを表示するようにリアルタイムチャットインターフェースを動的に調整することとをさらに伴うことができる。

【0183】

[0208]いくつかのそのような例は、メンバーと代理との間で交換されるメッセージのセットを受信することと、ここで、代理は、メンバーの代わってタスクの実施のためにメンバーに割り当てられる、１つまたは複数のタスク推奨を識別することと、ここで、１つまたは複数のタスク推奨は、メッセージのセットに基づいて識別され、ここで、１つまたは複数のタスク推奨は、メンバーに代わって実施可能なタスクのセットに対応する、チャットインターフェース内のチャットフローを追跡することと、ここで、メッセージのセットは、チャットインターフェース内で交換される、チャットフロー内の１つまたは複数のタスク推奨に関連する１つまたは複数のリマインダを自動的に挿入することとをさらに伴うことができ、ここで、チャットフロー内の１つまたは複数のリマインダの位置またはタイミングは、機械学習アルゴリズムを使用して選択される。

【0184】

[0209]いくつかのそのような例は、１つまたは複数のリマインダとタスクのセットとに関連するフィードバック表示を受信することと、機械学習アルゴリズムをトレーニングすることとをさらに伴うことができ、ここで、機械学習アルゴリズムは、チャットインターフェースのチャットフロー内の将来のリマインダの位置またはタイミングの選択を更新するために、フィードバック表示と１つまたは複数のリマインダの位置またはタイミングとを使用してトレーニングされる。

【0185】

[0210]いくつかのそのような例は、チャットインターフェース内のチャットフローを分析し、ニューラルネットワークによって分析されたチャットフローの内容に基づいて１つまたは複数のタスク推奨を選択するために、ニューラルネットワークを使用して１つまたは複数のタスク推奨が識別される場合に動作することができる。

【0186】

[0211]いくつかのそのような例は、チャットフローのテキストを、チャットフローとチャットフローからのフィードバック表示とを使用してトレーニングされたニューラルネットワークに入力することと、１つまたは複数のタスク推奨に関連する表示をニューラルネットワークの出力として受信することとによって、１つまたは複数のタスク推奨が識別される場合に動作することができる。

【0187】

[0212]別の例は、ディスプレイスクリーンを備えるコンピューティングデバイス（たとえば、メンバーデバイス１２０、２１２、デバイス２６００などの、ディスプレイスクリーンを含むことができる、本明細書で説明される任意のコンピューティングデバイスを含む）を伴い、コンピューティングデバイスは、リアルタイムチャットフローインターフェースを画面上に表示するように構成され、リアルタイムチャットフローインターフェースは、メンバーと代理との間で交換されるメッセージのセットを含み、ここで、代理は、メンバーに代わってタスクの実施のためにメンバーに割り当てられ、リアルタイムチャットフローインターフェースは、リアルタイムチャットフローインターフェース内のメッセージを、タスクのタスクタグに動的に関連付けるためのメッセージタグ付け要素をさらに含む。

【0188】

[0213]いくつかのそのような例は、各メッセージタグ付け要素が、メッセージのタスクタグに基づいてリアルタイムチャットフローインターフェースのリアルタイムメッセージフィルタ処理を起動するように動的に選択可能である場合に動作することができる。

【0189】

[0214]いくつかのそのような例は、各タグ付け要素が、各メッセージに割り当てられたタスクフラグおよび関連するタスクを変更することによって、リアルタイムチャットフローインターフェース内のメッセージの自動タグ付けを実施する機械学習アルゴリズムに直接フィードバックを与えるように動的に修正可能である場合に動作することができる。

【0190】

[0215]いくつかのそのような例は、メッセージのセットのうちのメッセージに到達するためのリマインド要素をさらに含むリアルタイムチャットフローインターフェースを動作させることができ、ここで、リマインド要素は、リアルタイムチャットフローから関連するメッセージを一時的に除去し、関連するメッセージについてタグ付けされた関連するタスクに対する機械学習リマインダアルゴリズムによって決定されたリマインダ時刻に、リアルタイムチャットフロー内の関連するメッセージを再表示する。

【0191】

[0216]いくつかのそのような例は、メッセージのセットの各メッセージに関連する検索語またはタスクフラグに基づいて、リアルタイムチャットフロー内のメッセージをフィルタ処理するように構成された検索要素を含むリアルタイムチャットフローを動作させることができる。

【0192】

[0217]別の例は、メッセージのセットが交換されている間にメンバーと代理との間のメッセージのセットをリアルタイムに受信することと、メッセージのセットに関連する１つまたは複数のタスクフラグを識別するためにメッセージのセットを処理することと、ここで、１つまたは複数のタスクフラグは、メンバーに代わって代理によって実施可能なタスクのセットに対応する、チャットインターフェース内のチャットフローを追跡することと、ここで、メッセージのセットは、チャットインターフェース内で交換される、１つまたは複数のタスクフラグのうちの少なくとも１つをメッセージのセットのうちのメッセージに自動的に割り当てるためにタグ付けアルゴリズムを使用してチャットフローを処理することと、メッセージのセットと、タスクのセットのうちの関連するタスクとの対応するタスクフラグ割当てとを含むメッセージ履歴を生成することとを備える。

【0193】

[0218]いくつかのそのような例は、１つまたは複数のタスクフラグとチャットフロー内のメッセージのセットのタイミングとに基づいて、推奨アルゴリズムを使用して新しいタスク推奨を生成するためにメッセージ履歴をさらに処理することによって動作することができる。

【0194】

[0219]いくつかのそのような例は、タグ付けアルゴリズムを使用してチャットフローを処理することが、チャットフロー内のメッセージのセットの内容に基づいて、１つまたは複数のタスク推奨のうちの少なくとも１つについて複数のサブタスクを生成することと、メッセージのセットのうちの対応するメッセージに１つまたは複数のサブタスクタグを割り当てることとをさらに備える場合に動作することができる。

【0195】

[0220]いくつかのそのような例は、タグ付けアルゴリズムを使用してチャットフローを処理することが、以下のことをさらに備える場合に動作することができる。

【0196】

[0221]チャットフロー内のメッセージのセットの内容に基づいて、１つまたは複数のタスク推奨のうちの少なくとも１つのための複数のサブタスクを生成すること。

【0197】

[0222]複数のサブタスクタグをメッセージのセットのうちの第１のメッセージに割り当てること。

【0198】

[0223]いくつかのそのような例は、メンバーデバイスから事前フィルタ処理入力を受信することと、ここで、事前フィルタ処理入力は、１つまたは複数のタスクフラグのうちのタスクフラグを識別する、チャットインターフェース内のメッセージの表示を調整するために、１つまたは複数の事前フィルタ処理入力を使用してメッセージ履歴を処理することと、メッセージのセットが交換されている間にメンバーと代理との間のリアルタイムメッセージを受信することと、１つまたは複数のフラグをリアルタイムメッセージのメッセージに関連付けるために、フィルタ処理アルゴリズムを使用してリアルタイムメッセージをリアルタイムに処理することと、事前フィルタ処理入力と、第１のメッセージとの第１のタスク関連付けとに基づいて、チャットインターフェースにおいてリアルタイムメッセージのうちの第１のメッセージを表示することと、事前フィルタ処理入力と、第２のメッセージとの第２のタスク関連付けとに基づいて、チャットインターフェースにおいてリアルタイムメッセージのうちの第２のメッセージを非表示にすることとをさらに含むことができる。

【0199】

[0224]いくつかのそのような例は、代理に関連する代理デバイスからタグ関連付け変更メッセージを受信することと、タグ関連付けメッセージに基づいて１つまたは複数のメッセージに関連するタグを修正するためにメッセージ履歴を更新することと、タグ関連付け変更メッセージを使用してタグ付けアルゴリズムを更新することとをさらに行うことによって動作することができる。

【0200】

[0225]いくつかのそのような例は、メッセージのセットと１つまたは複数のタスクフラグとに関連するタスク完了通知を受信することと、１つまたは複数のタスクフラグに関連するタスク完了フラグと、メッセージのセットのうちのメッセージへの１つまたは複数のタスクフラグのうちの少なくとも１つの割当てに関連するタスク検証タグとを含むようにメッセージ履歴を更新することと、複数のメッセージ履歴および対応する完了したタスクのタスク関連付けデータにアクセスすることと、ここで、複数のメッセージ履歴が各々１つまたは複数のタスクフラグに関連するタスク完了フラグを含む、複数のメッセージ履歴と複数のメッセージ履歴内のタスク検証タグとを使用してタグ付けアルゴリズムをトレーニングすることとをさらに行うことによって動作することができ、ここで、タグ付けアルゴリズムは、メッセージデータを対応するタスクフラグにマッチさせるように構成された機械学習アルゴリズムを備える。

【0201】

[0226]別の例は、メンバーから１つまたは複数の事前フィルタ処理入力を受信することと、ここで、１つまたは複数の事前フィルタ処理入力は、タスク関連付けに基づいてリアルタイムチャットインターフェースから非表示にするための第１のメッセージタイプと、タスク関連付けに基づいて表示するための第２のメッセージタイプとを識別するためのタスク関連付けを含む、メッセージのセットが交換されている間にメンバーと代理との間でメッセージのセットをリアルタイムで受信することと、１つまたは複数のタスクをメッセージのセットのうちのメッセージに関連付けるためにフィルタ処理アルゴリズムを使用してメッセージのセットをリアルタイムで処理することと、ここで、１つまたは複数のタスクは、メンバーに代わって代理によって実施可能なタスクのセットに対応する、１つまたは複数の事前フィルタ処理入力と第１のメッセージとの第１のタスク関連付けとに基づいて、リアルタイムチャットインターフェース内にメッセージのセットのうちの第１のメッセージを表示することと、１つまたは複数の事前フィルタ処理入力と第２のメッセージとの第２のタスク関連付けとに基づいて、リアルタイムチャットインターフェース内にメッセージのセットのうちの第２のメッセージを非表示にすることとを備える。

【0202】

[0227]いくつかのそのような例は、１つまたは複数のタスクが、タスク提案作成サブシステムによって生成された承認済みプロジェクト推奨のセットから選択され、タスク作成サブシステムを使用して承認される場合に動作することができる。

【0203】

[0228]いくつかのそのような例は、フィルタ処理アルゴリズムが、１つまたは複数のタスクを選択するために、機械学習を有する自然言語処理（ＮＬＰ）システムを使用する場合に動作することができる。

【0204】

[0229]いくつかのそのような例は、第１のメッセージを表示し、第２のメッセージを非表示にすることが、第１のタスク関連付けのために第１のメッセージを第１のチャットフローインターフェース中にソートすることと、第２のタスク関連付けのために第２のメッセージを第２のチャットフローインターフェース中にソートすることとを備える場合に動作することができる。

【0205】

[0230]いくつかのそのような例は、フィルタ処理アルゴリズムが、１つまたは複数のタスクの各タスクのメッセージングメトリクスを計算し、ここで、フィルタ処理アルゴリズムは、メッセージングメトリクスに基づいて、１つまたは複数のタスクについての１つまたは複数のチャットフローインターフェースを生成し、ここで、フィルタ処理アルゴリズムは、第１のメッセージがリアルタイムチャットインターフェースに表示されるとき、サブタスクのメッセージングメトリクスがしきい値を超えることに基づいて、１つまたは複数のタスクのサブタスクについての新しいチャットフローインターフェースを動的に生成する場合に動作することができる。

【0206】

[0231]いくつかのそのような例は、フィルタ処理アルゴリズムが追加のチャットフローインターフェースを追加するためにＡＩを使用する場合に動作することができる。いくつかのそのような例は、更新された事前フィルタ処理入力を受信することと、第２のメッセージと第２のタスク関連付けに関連する１つまたは複数の追加のリアルタイムメッセージとを表示するようにリアルタイムチャットインターフェースを動的に調整することとをさらに行うことによって動作することができる。

【0207】

[0232]いくつかのそのような例は、メッセージが表示されるときに更新された事前フィルタ処理入力を受信することと、表示を更新することとさらに行うによって動作することができる。

【0208】

[0233]上記で説明された方法および動作は例示的なものであり、そのような方法は、繰り返される動作、または中間ステップを含む動作を伴い得ることが明らかであろう。そのような繰り返されるステップまたは中間ステップは、特に、コンピュータ実装システムが多数（たとえば、数千、数百万など）のメッセージおよびユーザのための動作を同時に実施するときに発生し得る。加えて、同様の方法が、本明細書で説明される革新の範囲内で可能である。

【0209】

[0234]図２５は、少なくとも１つの実施形態による、メンバーとの通信が処理される環境２５００の例示的な例を示す。いくつかの実施形態では、代理２５０４によって実施される動作は、１つまたは複数の機械学習アルゴリズム、人工知能システム、および／または計算モデルを使用して部分的におよび／または完全に実施される。たとえば、代理２５０４がメンバー２５１２に代わってタスクを実施するか、またはさもなければタスクの実施を調整するとき、タスク容易化サービス２５０２は、メンバー２５１２のプロファイルおよび／またはメンバー２５１２のプロファイルの計算モデルを更新し得る。

【0210】

[0235]いくつかの実施形態では、代理２５０４がメンバー２５１２に代わってタスクを実施するか、またはさもなければタスクの実施を調整するとき、タスク容易化サービス２５０２は、メンバー２５１２のプロファイルおよび／またはメンバー２５１２のプロファイルの計算モデルを連続的に更新する。たとえば、メンバー２５１２がタスク容易化サービス２５０２のシステムと通信するとき、タスク容易化サービス２５０２は、対話の過程の間に、メンバー２５１２のプロファイルおよび／またはメンバー２５１２のプロファイルの計算モデルを連続的に更新し得る。

【0211】

[0236]いくつかの実施形態では、代理２５０４がメンバー２５１２に代わってタスクを実施するか、またはさもなければタスクの実施を調整するとき、タスク容易化サービス２５０２は、メンバー２５１２のプロファイルおよび／またはメンバー２５１２のプロファイルの計算モデルを動的に更新する。たとえば、メンバー２５１２に代わってタスクが実施されるとき、タスクを実施するベンダーは、タスク容易化サービス２５０２に定期的な更新を提供することがあり、タスク容易化サービス２５０２は、ベンダーからの各更新時に、メンバー２５１２のプロファイルおよび／またはメンバー２５１２のプロファイルの計算モデルを動的に更新し得る。

【0212】

[0237]いくつかの実施形態では、代理２５０４がメンバー２５１２に代わってタスクを実施するか、またはさもなければタスクの実施を調整するとき、タスク容易化サービス２５０２は、メンバー２５１２のプロファイルおよび／またはメンバー２５１２のプロファイルの計算モデルを自動的に更新する。たとえば、メンバーのために提案が生成されたとき、タスク容易化サービス２５０２は、提案生成プロセスの一部として、メンバー２５１２のプロファイルおよび／またはメンバー２５１２のプロファイルの計算モデルを自動的に更新し得る。

【0213】

[0238]いくつかの実施形態では、代理２５０４がメンバー２５１２に代わってタスクを実施するか、またはさもなければタスクの実施を調整するとき、タスク容易化サービス２５０２は、メンバー２５１２のプロファイルおよび／またはメンバー２５１２のプロファイルの計算モデルをリアルタイムで更新する。たとえば、メンバー２５１２が提案を受け入れたとき、タスク容易化サービス２５０２は、更新を遅延させるのではなく、提案の受け入れが提供された時点で、メンバー２５１２のプロファイルおよび／またはメンバー２５１２のプロファイルの計算モデルを更新し得る。

【0214】

[0239]いくつかの実施形態では、タスク容易化サービス２５０２は、タスク容易化サービス２５０２の機械学習サブシステム２５０６を使用して、メンバー２５１２のプロファイルおよび／またはメンバー２５１２のプロファイルの計算モデルを更新する。いくつかの実施形態では、機械学習サブシステム２５０６は、機械学習アルゴリズム、人工知能システム、および／または計算モデルを実装するように構成されたタスク容易化サービス２５０２の構成要素である。一例では、機械学習サブシステム２５０６は、サンプルおよび／またはライブデータを使用して機械学習モデルをトレーニングするために様々なアルゴリズムを使用し得る。加えて、機械学習サブシステム２５０６は、新しいデータが受信されるとき、機械学習モデルを更新し得る。別の例では、機械学習サブシステム２５０６は、様々な人工知能システムをトレーニングおよび／もしくは更新するか、または様々な計算モデルを生成、トレーニングおよび／もしくは更新することがある。たとえば、メンバー２５１２のプロファイルの計算モデルは、メンバー２５１２について新しい情報が受信されるとき、機械学習サブシステム２５０６によって生成、トレーニング、および／または更新され得る。

【0215】

[0240]いくつかの実施形態では、メンバー２５１２のプロファイルおよび／またはメンバー２５１２のプロファイルの計算モデルがある時間期間（たとえば、６か月、一年など）にわたっておよび／またはタスクのセット（たとえば、２０個のタスク、３０個のタスクなど）を介して更新された後、タスク容易化サービス２５０２のシステム（たとえば、タスク推奨システム）は、新しいタスクを連続的で、自動的で、動的で、リアルタイムに生成するために１つまたは複数の機械学習アルゴリズム、人工知能システム、および／または計算モデルを利用する。たとえば、タスク推奨システムは、代理の対話有りでまたは無しでメンバーのプロファイルの様々な属性（たとえば、メンバーと代理との間の通信に対応する履歴データ、代理の実施および提示されたタスク／提案に対応するメンバーのフィードバックなど）に基づいて新しいタスクを生成し得る。いくつかの実施形態では、タスク容易化サービス２５０２のシステム（たとえば、タスク推奨システム）は、必要とされた何らかの追加情報を取得するためにメンバー２５１２と自動的に通信し、これらのタスクの実施のためにメンバー２５１２に提示され得る提案を生成することもできる。

【0216】

[0241]図２５に示される例では、メンバー２５１２とタスク容易化サービス２５０２との間の通信は、タスク容易化サービス２５０２内の１つまたは複数のエンティティにルーティングされ得る。図２５に示される例は、通信ルータ２５１４（説明では「ルータ」と呼ばれる）を示すが、企図され図２５に示されるように、ルータ２５１４は、エンティティ間の通信をルーティングするための１つまたは複数の技法の抽象表現である。したがって、メンバー２５１２からタスク容易化サービス２５０２への通信は、タスク容易化サービスの１つまたは複数のエンティティにルーティングされることがあり、タスク容易化サービス２５０２の１つまたは複数のエンティティからの通信は、メンバー２５１２に戻るようにルーティングされ得る。

【0217】

[0242]図２５に示される例では、代理２５０４は、通信が代理２５０４にルーティングされ（２５１６）、またタスク容易化サービスシステムおよび／またはサブシステム２５０８にルーティングされ（２５１８）得るので、対話が本明細書で説明される肯定極性を維持することを確実にするために、タスク容易化サービスシステムおよび／またはサブシステム２５０８とメンバー２５１２との間の通信を監視することができる。たとえば、メンバー２５１２がタスク推奨システムと対話している場合、代理２５０４は、メンバー２５１２が対話に満足しているかどうかを決定することができる。会話が否定極性を有すると（たとえば、メンバー２５１２が対話に満足していないと）代理２５０４が決定する場合、代理２５０４は、対話を改善するために介入し得る。

【0218】

[0243]同様に、タスク容易化サービスシステムおよび／またはサブシステム２５０８とメンバー２５１２との間の他の対話は、タスク容易化サービスシステムおよび／またはサブシステム２５０８とメンバー２５１２との間の対話を監視するように構成され得るメンバー通信サブシステム２５２２にルーティングされ得る（２５２０）。いくつかの実施形態では、メンバー通信サブシステム２５２２は、タスク容易化サービスシステムおよび／またはサブシステム２５０８とメンバー２５１２との間の対話を（たとえば、ルータ２５１４を使用して）遮断するように構成され得る。そのような実施形態では、すべてのそのような対話は、メンバー２５１２とメンバー通信サブシステム２５２２との間でルーティングされ得（２５２０）、メンバー通信サブシステム２５２２とタスク容易化サービスシステムおよび／またはサブシステム２５０８との間でルーティングされ得る（２５２５）。そのような実施形態では、タスク容易化サービスシステムおよび／またはサブシステム２５０８とメンバー２５１２との間の対話は、直接ルーティングされないことがある（２５１８）。そのような実施形態では、代理２５０４は、対話が（たとえば、対話を代理２５０４にルーティングする（２５１６）ことによって）上記で説明されたように肯定極性を維持することを保証するためにタスク容易化サービスシステムおよび／またはサブシステム２５０８とメンバー２５１２との間の対話を依然として監視し得る。

【0219】

[0244]いくつかの実施形態では、代理２５０４は、代理２５０４メンバー２５１２の間の対話に基づいて変化するメンバー選好を示すメンバーのプロファイルを更新するために、機械学習サブシステム２５０６と対話することができる。いくつかの実施形態では、タスク容易化サービスシステムおよび／またはサブシステム２５０８は、たとえば、提案が受け入れられるかまたは拒否されたとき、メンバーのプロファイルを更新するために、機械学習サブシステム２５０６と対話することができる。加えて、図２５に示されるように、タスク容易化サービス２５０２とメンバー２５１２との間の対話は、メンバー通信サブシステム２５２２と機械学習サブシステム２５０６との間でさらにルーティングされ得る（２５２６）。したがって、提案が作成されるとき、メンバーのプロファイルを更新するために、メンバー２５１２と、たとえば、提案作成サブシステムとの間の対話が使用され得る。

【0220】

[0245]したがって、システムおよび環境がエージェントおよび／または他の自動化されたシステムと対話するユーザの知識をほとんどまたはまったく有し得ない自動化された顧客サービスシステムおよび環境とは異なり、タスク容易化サービスシステムおよび／またはサブシステム２５０８は、メンバー２５１２のプロファイルおよび／またはメンバー２５１２のプロファイルの計算モデルを、連続的に、動的に、自動的に、および／またはリアルタイムで更新することができる。たとえば、タスク容易化サービスシステムおよび／またはサブシステム２５０８は、本明細書で説明される機械学習サブシステム２５０６を使用して、メンバー２５１２のプロファイルおよび／またはメンバー２５１２のプロファイルの計算モデルを更新することができる。したがって、タスク容易化サービスシステムおよび／またはサブシステム２５０８は、タスク容易化サービス２５０２とのメンバーの自動対話に基づいて、代理２５０４とのメンバーの対話に基づいて、および／または時間とともにメンバー２５１２に代わって実施されるタスクに基づいて、メンバーに関する最新の情報を提供するために、メンバー２５１２のプロファイルおよび／またはメンバー２５１２のプロファイルの計算モデルを更新することができる。この情報はまた、メンバー２５１２のためにタスクおよび／または提案が作成され、提案され、実施されるとき、連続的に、自動的に、動的に、および／またはリアルタイムで更新され得る。この情報はまた、（たとえば、メンバー２５１２のクエリ、ニーズ、および／または目的に応答して）メンバー２５１２との適切なまたはインテリジェントな対話を予期し、識別し、提示するためにタスク容易化サービス２５０２によって使用され得る。

【0221】

[0246]図２６は、様々な実施形態による、互いに電子通信している様々な構成要素を含むコンピューティングシステムアーキテクチャ２６００を示す。図２６に示されている例示的なコンピューティングシステムアーキテクチャ２６００は、いくつかの実装形態による、バスなどの接続２６０６を使用して互いに電気通信している様々な構成要素を有するコンピューティングデバイス２６０２を含む。例示的なコンピューティングシステムアーキテクチャ２６００は、接続２６０６を使用してシステムメモリ２６１４を含む様々なシステム構成要素と電気通信している処理ユニット２６０４を含む。いくつかの実施形態では、システムメモリ２６１４は、読取り専用メモリ（ＲＯＭ）、ランダムアクセスメモリ（ＲＡＭ）、および本明細書で説明されるものを含むがそれらに限定されない他のそのようなメモリ技術を含む。いくつかの実施形態では、例示的なコンピューティングシステムアーキテクチャ２６００は、プロセッサ２６０４と直接接続された、プロセッサ２６０４に極めて近接した、またはプロセッサ２６０４の一部として統合された、高速メモリのキャッシュ２６０８を含む。システムアーキテクチャ２６００は、プロセッサ２６０４による迅速なアクセスのために、メモリ２６１４および／またはストレージデバイス２６１０からキャッシュ２６０８にデータをコピーすることができる。このようにして、キャッシュ２６０８は、データを待つことによるプロセッサ２６０４におけるプロセッサ遅延を減少させるかまたはなくす性能ブーストを提供することができる。本明細書で説明されるものなどのモジュール、方法およびサービスを使用して、プロセッサ２６０４は、様々なアクションを実施するように構成され得る。いくつかの実施形態では、キャッシュ２６０８は、たとえば、レベル１（Ｌ１）およびレベル２（Ｌ２）キャッシュを含む、複数のタイプのキャッシュを含み得る。メモリ２６１４は、本明細書ではシステムメモリまたはコンピュータシステムメモリと呼ばれることがある。メモリ２６１４は、いろいろなときに、オペレーティングシステムの要素、１つもしくは複数のアプリケーション、オペレーティングシステムまたは１つもしくは複数のアプリケーションに関連するデータ、あるいはコンピューティングデバイス２６０２に関連する他のそのようなデータを含み得る。

【0222】

[0247]他のシステムメモリ２６１４も、使用のために利用可能であり得る。メモリ２６１４は、異なる性能特性をもつ、複数の異なるタイプのメモリを含むことができる。プロセッサ２６０４は、任意の汎用プロセッサ、およびプロセッサ２６０４を制御するように構成されたストレージデバイス２６１０に記憶されたサービス２６１２などの１つまたは複数のハードウェアまたはソフトウェアサービス、ならびに専用プロセッサを含むことができ、ここで、ソフトウェア命令は、実際のプロセッサ設計に組み込まれる。プロセッサ２６０４は、複数のコアまたはプロセッサ、コネクタ（たとえば、バス）、メモリ、メモリコントローラ、キャッシュなどを含んでいる完全な自己完結型のコンピューティングシステムであり得る。いくつかの実施形態では、複数のコアをもつそのような独立型のコンピューティングシステムは、対称的である。いくつかの実施形態では、複数のコアをもつそのような自己完結型のコンピューティングシステムは、非対称的である。いくつかの実施形態では、プロセッサ２６０４は、マイクロプロセッサ、マイクロコントローラ、デジタル信号プロセッサ（「ＤＳＰ」）、またはこれらおよび／もしくは他のタイプのプロセッサの組合せであり得る。いくつかの実施形態では、プロセッサ２６０４は、コア、１つまたは複数のレジスタ、ならびに算術論理ユニット（ＡＬＵ）、浮動小数点ユニット（ＦＰＵ）、グラフィックス処理ユニット（ＧＰＵ）、物理処理ユニット（ＰＰＵ）、デジタルシステム処理（ＤＳＰ）ユニット、またはこれらおよび／もしくは他のそのような処理ユニットの組合せなどの１つまたは複数の処理ユニットなど、複数の要素を含むことができる。

【0223】

[0248]コンピューティングシステムアーキテクチャ２６００とのユーザ対話を可能にするために、入力デバイス２６１６は、スピーチのためのマイクロフォン、ジェスチャまたはグラフィカル入力のためのタッチセンシティブスクリーン、キーボード、マウス、モーション入力、ペン、および他のそのような入力デバイスなど、任意の数の入力機構を表すことができる。出力デバイス２６１８も、モニタ、スピーカー、プリンタ、ハプティックデバイス、および他のそのような出力デバイスを含むがそれらに限定されない、当業者に知られているいくつかの出力機構のうちの１つまたは複数であり得る。いくつかの事例では、マルチモーダルシステムは、ユーザが、コンピューティングシステムアーキテクチャ２６００と通信するために複数のタイプの入力を提供することを可能にすることができる。いくつかの実施形態では、入力デバイス２６１６および／または出力デバイス２６１８は、たとえば、本明細書で説明されるネットワークインターフェース２６２０などの通信インターフェースなどのリモート接続デバイスを使用して、コンピューティングデバイス２６０２に結合され得る。そのような実施形態では、通信インターフェースは、付属入力デバイス２６１６および／または出力デバイス２６１８から受信された入力および出力を支配および管理することができる。企図され得るように、任意の特有のハードウェア構成上で動作することに対する制限はなく、したがって、ここでの基本的特徴は、他のハードウェア、ソフトウェア、またはファームウェア構成が開発されるにつれて、それらで容易に代用され得る。

【0224】

[0249]いくつかの実施形態では、ストレージデバイス２６１０は、不揮発性記憶装置または不揮発性メモリとして説明され得る。そのような不揮発性メモリまたは不揮発性記憶装置は、磁気カセット、フラッシュメモリカード、固体メモリデバイス、デジタル多用途ディスク、カートリッジ、ＲＡＭ、ＲＯＭ、およびそれらのハイブリッドなど、コンピュータによってアクセス可能であるデータを記憶することができるハードディスクまたは他のタイプのコンピュータ可読媒体であり得る。

【0225】

[0250]上記で説明されたように、ストレージデバイス２６１０は、限定はしないが、様々な実施形態において本明細書で説明される方法、プロセス、機能、システム、および、サービスを含む１つまたは複数の機能を実施するようにプロセッサ２６０４を制御または構成することができるサービス２６１２などのハードウェアサービスおよび／またはソフトウェアサービスを含むことができる。いくつかの実施形態では、ハードウェアまたはソフトウェアサービスは、モジュールとして実装され得る。例示的なコンピューティングシステムアーキテクチャ２６００に示されているように、ストレージデバイス２６１０は、システム接続２６０６を使用してコンピューティングデバイス２６０２の他の部分に接続され得る。いくつかの実施形態では、機能を実施するサービス２６１２などのハードウェアサービスまたはハードウェアモジュールは、プロセッサ２６０４、接続２６０６、キャッシュ２６０８、ストレージデバイス２６１０、メモリ２６１４、入力デバイス２６１６、出力デバイス２６１８などの必要なハードウェア構成要素に関して、本明細書で説明される機能など機能を実行することができる非一時的コンピュータ可読媒体中に記憶されたソフトウェア構成要素を含むことができる。

【0226】

[0251]経験推奨を生成し、実行するための開示されるプロセスは、例示的なコンピューティングシステムアーキテクチャ２６００の１つまたは複数の構成要素を使用する図２６に示されている例示的なコンピューティングシステムなどのコンピューティングシステムを使用して実施され得る。例示的なコンピューティングシステムは、プロセッサ（たとえば、中央処理ユニット）と、メモリと、不揮発性メモリと、インターフェースデバイスとを含むことができる。メモリは、データおよび／または１つもしくは複数のコードセット、ソフトウェア、スクリプトなどを記憶し得る。コンピュータシステムの構成要素は、バスを介して、または何らかの他の知られているしくは好都合のデバイスを通して一緒に結合され得る。

【0227】

[0252]いくつかの実施形態では、プロセッサは、たとえば、プロセッサ２６０４などのプロセッサを使用してコードを実行することによって本明細書で説明される経験推奨を生成し、実行するための一部または全部の方法および機能を実行するように構成され得、ここにおいて、コードは、本明細書で説明されるように、メモリ２６１４などのメモリ中に記憶される。ユーザデバイス、プロバイダサーバもしくはシステム、データベースシステム、または他のそのようなデバイス、サービス、もしくはシステムのうちの１つまたは複数は、本明細書で説明される例示的なコンピューティングシステムアーキテクチャ２６００の１つまたは複数の構成要素を使用する図２６に示されている例示的なコンピューティングシステムなどのコンピューティングシステムの構成要素の一部または全部を含み得る。企図され得るように、そのようなシステムに対する変形形態は、本開示の範囲内にあると見なされ得る。

【0228】

[0253]本開示は、任意の好適な物理的形態をとるコンピュータシステムを企図する。限定ではなく例として、コンピュータシステムは、組込み型コンピュータシステム、システムオンチップ（ＳＯＣ）、（たとえば、コンピュータオンモジュール（ＣＯＭ）またはシステムオンモジュール（ＳＯＭ）などの）シングルボードコンピュータシステム（ＳＢＣ）、デスクトップコンピュータシステム、ラップトップまたはノートブックコンピュータシステム、タブレットコンピュータシステム、ウェアラブルコンピュータシステムまたはインターフェース、対話型キオスク、メインフレーム、コンピュータシステムのメッシュ、携帯電話、携帯情報端末（ＰＤＡ）、サーバ、あるいはこれらのうちの２つまたはそれ以上の組合せであり得る。適切な場合、コンピュータシステムは、コンピューティングリソースプロバイダ２６２８に関連して本明細書で説明されるように、ユニタリーであるかまたは分散された、複数のロケーションにわたる、複数の機械にわたる、および／あるいは、１つまたは複数のネットワーク中の１つまたは複数のクラウド構成要素を含み得るクラウドコンピューティングシステム中に存在する１つまたは複数のコンピュータシステムを含み得る。適切な場合、１つまたは複数のコンピュータシステムは、実質的な空間的または時間的限定なしに本明細書で説明または例示される１つまたは複数の方法の１つまたは複数のステップを実施し得る。限定ではなく例として、１つまたは複数のコンピュータシステムは、リアルタイムでまたはバッチモードで本明細書で説明または例示されている１つまたは複数の方法の１つまたは複数のステップを実行し得る。１つまたは複数のコンピュータシステムは、適切な場合、異なる時間にまたは異なるロケーションで本明細書で説明または例示される１つまたは複数の方法の１つまたは複数のステップを実行し得る。

【0229】

[0254]プロセッサ２６０４は、Ｉｎｔｅｌ（登録商標）マイクロプロセッサ、ＡＭＤ（登録商標）マイクロプロセッサ、Ｍｏｔｏｒｏｌａ（登録商標）マイクロプロセッサ、または他のそのようなマイクロプロセッサなど、従来のマイクロプロセッサであり得る。「機械可読（記憶）媒体」または「コンピュータ可読（記憶）媒体」という用語がプロセッサによってアクセス可能である任意のタイプのデバイスを含むことを、当業者は認識されよう。

【0230】

[0255]メモリ２６１４は、たとえば、コネクタ２６０６などのコネクタ、またはバスによって、プロセッサ２６０４に結合され得る。本明細書で使用されるコネクタ２６０６などのコネクタまたはバスは、コンピューティングデバイス２６０２内の構成要素間でデータを転送する通信システムであり、いくつかの実施形態では、コンピューティングデバイス間でデータを転送するために使用され得る。コネクタ２６０６は、データバス、メモリバス、システムバス、または他のそのようなデータ転送機構であり得る。そのようなコネクタの例は、限定はしないが、業界標準アーキテクチャ（ＩＳＡ）バス、拡張ＩＳＡ（ＥＩＳＡ）バス、パラレルＡＴアタッチメント（ＰＡＴＡ）バス（たとえば、統合ドライブエレクトロニクス（ＩＤＥ）もしくは拡張ＩＤＥ（ＥＩＤＥ）バス）、または様々なタイプの周辺構成要素相互接続（ＰＣＩ）バス（たとえば、ＰＣＩ、ＰＣＩｅ、ＰＣＩ－１０４など）を含む。

【0231】

[0256]メモリ２６１４は、限定しないが、ダイナミックＲＡＭ（ＤＲＡＭ）、スタティックＲＡＭ（ＳＲＡＭ）、同期ダイナミックＲＡＭ（ＳＤＲＡＭ）、不揮発性ランダムアクセスメモリ（ＮＶＲＡＭ）、および他のタイプのＲＡＭを含むＲＡＭを含むことができる。ＤＲＡＭは誤り訂正符号（ＥＥＣ）を含み得る。メモリはまた、限定しないが、プログラマブルＲＯＭ（ＰＲＯＭ）、消去可能プログラマブルＲＯＭ（ＥＰＲＯＭ）、消去可能プログラマブルＲＯＭ（ＥＥＰＲＯＭ（登録商標））、フラッシュメモリ、マスクＲＯＭ（ＭＲＯＭ）、および他のタイプのＲＯＭを含むＲＯＭを含むことができる。メモリ２６１４はまた、読取り専用（たとえば、ＣＤ ＲＯＭおよびＤＶＤ ＲＯＭ）またはその他（たとえば、ＣＤもしくはＤＶＤ）を含む、磁気または光学データ記憶媒体を含むことができる。メモリは、ローカルであるか、リモートであるか、または分散され得る。

【0232】

[0257]上記で説明されたように、コネクタ２６０６（またはバス）はまた、不揮発性メモリまたは記憶装置を含み得、ドライブユニットも含み得るストレージデバイス２６１０に、プロセッサ２６０４を結合することができる。いくつかの実施形態では、不揮発性メモリまたは記憶装置は、磁気フロッピー（登録商標）もしくはハードディスク、磁気光ディスク、光ディスク、ＲＯＭ（たとえば、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ、ＥＰＲＯＭ、もしくはＥＥＰＲＯＭ）、磁気もしくは光学カード、または別の形態のデータのための記憶装置である。このデータの一部は、直接メモリアクセスプロセスによって、コンピュータシステム中のソフトウェアの実行中にメモリに書き込まれ得る。不揮発性メモリまたは記憶装置は、ローカルであるか、リモートであるか、または分散され得る。いくつかの実施形態では、不揮発性メモリまたは記憶装置は随意である。企図され得るように、コンピューティングシステムは、メモリ中で利用可能なすべての適用可能なデータを用いて作成され得る。典型的なコンピュータシステムは、通常、少なくとも１つのプロセッサと、メモリと、メモリをプロセッサに結合するデバイス（たとえば、バス）とを含むことになる。

【0233】

[0258]ソフトウェアおよび／またはソフトウェアに関連付けられたデータは、不揮発性メモリおよび／またはドライブユニットに記憶され得る。いくつかの実施形態では（たとえば、大きいプログラムの場合）、プログラムおよび／またはデータ全体をメモリ中に常時記憶することが可能でないことがある。そのような実施形態では、プログラムおよび／またはデータは、たとえば、ストレージデバイス２６１０などの追加のストレージデバイスからメモリ内外に移動され得る。それにもかかわらず、ソフトウェアが稼働するために、必要な場合、それは処理に適したコンピュータ可読ロケーションに移動され、説明のために、そのロケーションは、本明細書ではメモリと呼ばれることを理解されたい。ソフトウェアが実行のためにメモリに移動されたときでも、プロセッサは、ソフトウェアに関連する値を記憶するためにハードウェアレジスタと、理想的には、実行を高速化するようにサービスするローカルキャッシュとを利用することができる。本明細書で使用されるソフトウェアプログラムは、そのソフトウェアプログラムが「コンピュータ可読媒体において実装される」と呼ばれるときに、任意の知られているまたは好都合なロケーション（不揮発性記憶装置からハードウェアレジスタまで）に記憶されると仮定される。プログラムに関連付けられた少なくとも１つの値がプロセッサによって読取り可能なレジスタに記憶されるとき、プロセッサは、「プログラムを実行するように構成される」と見なされる。

【0234】

[0259]接続２６０６はまた、ネットワークインターフェース２６２０などのネットワークインターフェースデバイスにプロセッサ２６０４を結合し得る。インターフェースは、本明細書で説明されるものを含むがそれらに限定されないモデムまたは他のそのようなネットワークインターフェースのうちの１つまたは複数を含むことができる。ネットワークインターフェース２６２０は、コンピューティングデバイス２６０２の部分であると見なされ得るか、またはコンピューティングデバイス２６０２とは別個のものであり得ることを諒解されよう。ネットワークインターフェース２６２０は、アナログモデム、統合サービスデジタルネットワーク（ＩＳＤＮ）モデム、ケーブルモデム、トークンリングインターフェース、衛星送信インターフェース、または他のコンピュータシステムにコンピュータシステムを結合するための他のインターフェースのうちの１つまたは複数を含むことができる。いくつかの実施形態では、ネットワークインターフェース２６２０は、１つまたは複数の入力および／または出力（Ｉ／Ｏ）デバイスを含むことができる。Ｉ／Ｏデバイスは、限定ではなく例として、入力デバイス２６１６などの入力デバイスおよび／または出力デバイス２６１８などの出力デバイスを含むことができる。たとえば、ネットワークインターフェース２６２０は、キーボード、マウス、プリンタ、スキャナ、ディスプレイデバイス、および他のそのような構成要素を含み得る。入力デバイスと出力デバイスとの他の例は本明細書で説明される。いくつかの実施形態では、通信インターフェースデバイスは、完全なおよび別個のコンピューティングデバイスとして実装され得る。

【0235】

[0260]いくつかの実施形態では、コンピューティングデバイス２６０２は、ネットワークインターフェース２６２０などの接続を使用してネットワーク２６２２を介してコンピューティングデバイス２６２５などの１つまたは複数の追加のコンピューティングデバイスに接続され得る。そのような実施形態では、コンピューティングデバイス２６２５は、コンピューティングデバイス２６０２上で動作するプログラムおよび／またはサービスの制御下で、またはそれに代わって１つまたは複数の機能を実施するために、１つまたは複数のサービス２６２６を実行し得る。いくつかの実施形態では、コンピューティングデバイス２６２５などのコンピューティングデバイスは、限定はしないが、プロセッサ２６０４などのプロセッサ、接続２６０６などの接続、キャッシュ２６０８などのキャッシュ、ストレージデバイス２６１０などのストレージデバイス、メモリ２６１４などのメモリ、入力デバイス２６１６などの入力デバイス、および出力デバイス２６１８などの出力デバイスを含むコンピューティングデバイス２６０２に関して説明される構成要素のタイプのうちの１つまたは複数を含み得る。そのような実施形態では、コンピューティングデバイス２６２５は、コンピューティングデバイス２６０２に関して本明細書で説明される機能などの機能を実行することができる。いくつかの実施形態では、コンピューティングデバイス２６０２は、コンピューティングデバイス２６２５などの複数のコンピューティングデバイスに接続され得、それらの各々は同じく、コンピューティングデバイス２６２５などの複数のコンピューティングデバイスに接続され得る。そのような実施形態は、本明細書では分散コンピューティング環境と呼ばれることがある。

【0236】

[0261]いくつかの実施形態では、コンピューティングデバイス２６０２および／またはコンピューティングデバイス２６２５は、本明細書で説明されるネットワークインターフェース（たとえば、ネットワークインターフェース２６２０）などのネットワークインターフェースを使用してネットワーク２６２２を介してコンピューティングリソースプロバイダ２６２８に接続され得る。そのような実施形態では、（本明細書では「コンピューティングリソースプロバイダ環境」内でとも呼ばれる）コンピューティングリソースプロバイダ２６２８内でホストされる１つまたは複数のシステム（たとえば、サービス２６３０およびサービス２６３２）は、コンピューティングデバイス２６０２および／またはコンピューティングデバイス２６２５上で動作するプログラムおよび／またはサービスの制御下で、またはそれに代わって１つまたは複数の機能を実施するために、１つまたは複数のサービスを実行し得る。サービス２６３０およびサービス２６３２などのシステムは、コンピューティングデバイス２６０２および／またはコンピューティングデバイス２６２５上で動作するプログラムおよび／またはサービスの制御下で、またはそれに代わって１つまたは複数の機能を実施するためのコンピュータコードを実行するために、本明細書で説明されるものなどの１つまたは複数のコンピューティングデバイスを含み得る。

【0237】

[0262]たとえば、コンピューティングリソースプロバイダ２６２８は、たとえば、コンピューティングデバイス２６０２のためのデータの量がストレージデバイス２６１０の容量を超えるとき、コンピューティングデバイス２６０２のためのデータを記憶するためにサービス２６３０上で動作するサービスを与え得る。別の例では、コンピューティングリソースプロバイダ２６２８は、最初にサービス２６３２上に仮想マシン（ＶＭ）をインスタンス化し、サービス２６３２上に記憶されたデータにアクセスするためにそのＶＭを使用し、そのデータに対して１つまたは複数の動作を実施し、それらの１つまたは複数の動作の結果をコンピューティングデバイス２６０２に提供するためのサービスを与え得る。そのような動作（たとえば、データの記憶およびＶＭインスタンス化）は、本明細書では「クラウド中で」、「クラウドコンピューティング環境内で」、または「ホストされた仮想マシン環境内で」動作することと呼ばれることがあり、コンピューティングリソースプロバイダ２６２８は、本明細書では「クラウド」と呼ばれることもある。そのようなコンピューティングリソースプロバイダの例は、限定しないが、Ａｍａｚｏｎ（登録商標）ウェブサービス（ＡＷＳ（登録商標））、ＭｉｃｒｏｓｏｆｔのＡｚｕｒｅ（登録商標）、ＩＢＭ Ｃｌｏｕｄ（登録商標）、Ｇｏｏｇｌｅ Ｃｌｏｕｄ（登録商標）、オラクルＣｌｏｕｄ（登録商標）などを含む。

【0238】

[0263]コンピューティングリソースプロバイダ２６２８によって与えられるサービスは、限定しないが、データアナリティクス、データストレージ、アーカイバルストレージ、ビッグデータストレージ、（様々なスケーラブルＶＭアーキテクチャを含む）仮想コンピューティング、ブロックチェーンサービス、コンテナ（たとえば、アプリケーションカプセル化）、データベースサービス、（サンドボックス開発環境を含む）開発環境、ｅコマースソリューション、ゲームサービス、メディアおよびコンテンツ管理サービス、セキュリティサービス、サーバレスホスティング、仮想現実（ＶＲ）システム、および拡張現実（ＡＲ）システムを含む。そのようなサービスを容易化するための様々な技法は、限定しないが、仮想マシン、仮想ストレージ、データベースサービス、システムスケジューラ（たとえば、ハイパーバイザ）、リソース管理システム、様々なタイプの短期、中間、長期、およびアーカイバルストレージデバイスなどを含む。

【0239】

[0264]企図され得るように、サービス２６３０およびサービス２６３２などのシステムは、コンピューティングデバイス２６０２および／またはコンピューティングデバイス２６２５に代わって、またはそれの制御下で様々なサービス（たとえば、サービス２６１２またはサービス２６２６）のバージョンを実装し得る。様々なサービスのそのような実装されたバージョンは、たとえば、サービスがたとえばサービス２６３０上で実行されているとき、コンピューティングデバイス２６０２のユーザにはサービス２６１２がコンピューティングデバイス２６０２上で実行しているように見え得るように１つまたは複数の仮想化技法を伴い得る。同じく企図され得るように、コンピューティングリソースプロバイダ２６２８環境内で動作する様々なサービスは、環境内の様々なシステム間で分散され、ならびにコンピューティングデバイス２６２５および／またはコンピューティングデバイス２６０２上に部分的に分散され得る。

【0240】

[0265]クライアントデバイス、ユーザデバイス、コンピュータリソースプロバイダデバイス、ネットワークデバイス、および他のデバイスは、特に、１つまたは複数の集積回路、入力デバイス、出力デバイス、データストレージデバイス、および／またはネットワークインターフェースを含むコンピューティングシステムであり得る。集積回路は、特に、たとえば、本明細書で説明されるものなど、１つまたは複数のプロセッサ、揮発性メモリ、および／または不揮発性メモリを含むことができる。入力デバイスは、たとえば、限定しないが、本明細書で説明される入力デバイスを含むキーボード、マウス、キーパッド、タッチインターフェース、マイクロフォン、カメラ、および／または他のタイプの入力デバイスを含むことができる。出力デバイスは、たとえば、限定しないが、本明細書で説明される出力デバイスを含むディスプレイスクリーン、スピーカー、触覚フィードバックシステム、プリンタ、および／または他のタイプの出力デバイスを含むことができる。ハードドライブまたはフラッシュメモリなどのデータストレージデバイスは、コンピューティングデバイスが、一時的にまたは永続的にデータを記憶することを可能にすることができる。ワイヤレスまたはワイヤードインターフェースなどのネットワークインターフェースは、コンピューティングデバイスがネットワークと通信することを可能にすることができる。コンピューティングデバイスの例（たとえば、コンピューティングデバイス２６０２）は、限定はしないが、デスクトップコンピュータ、ラップトップコンピュータ、サーバコンピュータ、ハンドヘルドコンピュータ、タブレット、スマートフォン、携帯情報端末、デジタル自宅アシスタント、ウェアラブルデバイス、スマートデバイス、ならびにこれらおよび／または他のそのようなコンピューティングデバイスの組合せ、ならびにコンピューティングデバイスが組み込まれているおよび／または仮想的に実装されている機械および装置を含む。

【0241】

[0266]本明細書で説明された技法はまた、電子ハードウェア、コンピュータソフトウェア、ファームウェア、またはそれらの任意の組合せで実装され得る。そのような技法は、汎用コンピュータ、ワイヤレス通信デバイスハンドセット、またはワイヤレス通信デバイスハンドセットおよび他のデバイスにおける適用を含む複数の用途を有する集積回路デバイスなど、様々なデバイスのいずれかにおいて実装され得る。モジュールまたは構成要素として説明された任意の特徴は、集積論理デバイスに一緒に、または個別であるが相互運用可能な論理デバイスとして別個に実装され得る。ソフトウェアで実装された場合、本技法は、実行されたとき、上記で説明された方法のうちの１つまたは複数を実施する命令を含むプログラムコードを備えるコンピュータ可読データ記憶媒体によって、少なくとも部分的に実現され得る。コンピュータ可読データ記憶媒体は、パッケージング材料を含み得るコンピュータプログラム製品の一部を形成し得る。コンピュータ可読媒体は、本明細書で説明されたものなど、メモリまたはデータ記憶媒体を備え得る。本技法は、追加または代替として、伝搬信号または電波など、命令またはデータ構造の形態でプログラムコードを搬送または通信し、コンピュータによってアクセスされ、読み取られ、および／または実行され得るコンピュータ可読通信媒体によって少なくとも部分的に実現され得る。

【0242】

[0267]プログラムコードは、１つまたは複数のデジタル信号プロセッサ（ＤＳＰ）、汎用マイクロプロセッサ、特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブル論理アレイ（ＦＰＧＡ）、あるいは他の等価の集積回路またはディスクリート論理回路など、１つまたは複数のプロセッサを含み得るプロセッサによって実行され得る。そのようなプロセッサは、本開示で説明された技法のいずれかを実施するように構成され得る。汎用プロセッサはマイクロプロセッサであり得るが、代替として、プロセッサは、任意の従来のプロセッサ、コントローラ、マイクロコントローラ、または状態機械であり得る。プロセッサは、コンピューティングデバイスの組合せ（たとえば、ＤＳＰとマイクロプロセッサとの組合せ）、複数のマイクロプロセッサ、ＤＳＰコアと連携する１つまたは複数のマイクロプロセッサ、または、任意の他のそのような構成としても実装され得る。したがって、本明細書で使用される「プロセッサ」という用語は、上記の構造、上記の構造の任意の組合せ、あるいは本明細書で説明された技法の実装に好適な任意の他の構造または装置のいずれかを指し得る。さらに、いくつかの態様では、本明細書で説明される機能は、中断されたデータベース更新システムを実装するために構成された専用のソフトウェアモジュールまたはハードウェアモジュール内に与えられ得る。

【0243】

[0268]本明細書で使用する「機械可読媒体」という用語および「機械可読記憶媒体」、「コンピュータ可読媒体」、および「コンピュータ可読記憶媒体」という等価の用語は、限定はしないが、命令および／またはデータを記憶、包含、または搬送することが可能なポータブルなまたはポータブルでないストレージデバイス、光ストレージデバイス、取外し可能なまたは取外し不可能なストレージデバイス、および様々な他の媒体を含む媒体を指す。コンピュータ可読媒体は、データがそこに記憶され得る非一時的媒体を含み得、それは、ワイヤレスにまたはワイヤード接続を介して伝搬する搬送波および／または一時的電子信号を含まない。非一時的媒体の例は、限定はしないが、磁気ディスクまたはテープ、コンパクトディスク（ＣＤ）またはデジタル多用途ディスク（ＤＶＤ）などの光記憶媒体、ソリッドステートドライブ（ＳＳＤ）、フラッシュメモリ、メモリまたはメモリデバイスを含み得る。

【0244】

[0269]機械可読媒体または機械可読記憶媒体は、プロシージャ、関数、サブプログラム、プログラム、ルーチン、サブルーチン、モジュール、ソフトウェアパッケージ、クラス、あるいは命令、データ構造、またはプログラムステートメントの任意の組合せを表し得る、コードおよび／または機械実行可能命令をその上に記憶していることがある。コードセグメントは、情報、データ、引数、パラメータ、またはメモリ内容をパスおよび／または受信することによって、別のコードセグメントまたはハードウェア回路に結合され得る。情報、引数、パラメータ、データなどは、メモリ共有、メッセージパッシング、トークンパッシング、ネットワーク送信などを含む、任意の好適な手段を介してパス、フォワーディング、または送信され得る。機械可読記憶媒体、機械可読媒体、またはコンピュータ可読（記憶）媒体のさらなる例は、限定はしないが、特に、揮発性および不揮発性メモリデバイス、フロッピーおよび他のリムーバブルディスク、ハードディスクドライブ、光ディスク（たとえば、ＣＤ、ＤＶＤなど）などの記録可能タイプ媒体と、デジタルおよびアナログ通信リンクなどの送信タイプ媒体とを含む。

【0245】

[0270]企図され得るように。本明細書の例は、単一の媒体として機械可読媒体または機械可読記憶媒体を示すかまたは言及し得るが、「機械可読媒体」および「機械可読記憶媒体」という用語は、命令の１つまたは複数のセットを記憶する単一の媒体または複数の媒体（たとえば、集中もしくは分散データベースならびに／または関連するキャッシュおよびサーバ）を含むものと解釈されるべきである。「機械可読媒体」および「機械可読記憶媒体」という用語はまた、システムが実行するための命令のセットを記憶、符号化、または搬送することが可能であり、システムに本明細書で開示する方法またはモジュールのうちの任意の１つまたは複数を実施させる任意の媒体を含むものと解釈される。

【0246】

[0271]本明細書における詳細な説明のいくつかの部分は、コンピュータメモリ内のデータビットに対する動作のアルゴリズムおよび記号表現に関して提示され得る。これらのアルゴリズムの説明および表現は、データ処理分野の当業者によって、自身の仕事の本質を他の当業者に最も効果的に伝達するために使用される手段である。アルゴリズムは、本明細書では、および一般には、所望の結果をもたらす自己無撞着な一連の動作であると想到される。動作は、物理量の物理的操作を必要とするものである。通常、必ずしも必要とは限らないが、これらの量は、記憶、転送、結合、比較、および他の方法で操作されることが可能な電気信号または磁気信号の形態をとる。主に一般的な用法という理由で、これらの信号をビット、値、要素、記号、文字、項、数、などと呼ぶことが時々便利であることがわかっている。

【0247】

[0272]ただし、これらおよび同様の用語のすべては、適切な物理量に関連付けられるべきものであり、これらの量に適用される便利なラベルにすぎないことに留意されたい。別段に明記されていない限り、以下の説明から明らかなように、説明全体にわたって、「処理する」または「計算する」または「算出する」または「決定する」または「表示する」または「生成する」などの用語を利用する説明は、コンピュータシステムのレジスタおよびメモリ内の物理（電子）量として表されるデータを操作し、コンピュータシステムのメモリまたはレジスタまたは他のそのような情報記憶、送信もしくはディスプレイデバイス内の物理量として同様に表される他のデータに変換するコンピュータシステムまたは同様の電子コンピューティングデバイスの行為およびプロセスを指すことを諒解されたい。

【0248】

[0273]個々の実装形態が、フローチャート、流れ図、データフロー図、構造図、またはブロック図として図示されるプロセスとして説明され得ることにも留意されたい。フローチャート、流れ図、データフロー図、構造図、またはブロック図は、動作を逐次的なプロセスとして説明し得るが、動作の多くは、並行してまたは同時に実施され得る。さらに、動作の順序は並べ替えられ得る。図に示されているプロセスは、それの動作が完了したときに終了されるが、図に含まれていない追加のステップを有し得る。プロセスは、方法、関数、プロシージャ、サブルーチン、サブプログラムなどに対応し得る。プロセスが関数に対応するとき、それの終了は呼出し関数またはメイン関数への関数の復帰に対応することができる。

【0249】

[0274]いくつかの実施形態では、本明細書で説明されるアルゴリズムなどのアルゴリズムの１つまたは複数の実装形態は、機械学習または人工知能アルゴリズムを使用して実装され得る。そのような機械学習または人工知能アルゴリズムは、教師つき、教師なし、強化、または他のそのようなトレーニング技法を使用してトレーニングされ得る。たとえば、データのセットは、監視およびフィードバック（たとえば、教師なしトレーニング技法）なしにデータのセットの異なる要素の間の相関を識別するために様々な機械学習アルゴリズムのうちの１つを使用して分析され得る。機械学習データ分析アルゴリズムはまた、潜在的な相関を識別するためにサンプルまたはライブデータを使用してトレーニングされ得る。そのようなアルゴリズムは、ｋ平均クラスタリングアルゴリズム、ファジーｃ平均（ＦＣＭ）アルゴリズム、期待値最大化（ＥＭ）アルゴリズム、階層クラスタリングアルゴリズム、ノイズのあるアプリケーションの密度ベースの空間クラスタリング（ＤＢＳＣＡＮ）アルゴリズムなどを含み得る。機械学習または人工知能アルゴリズムの他の例は、限定はしないが、遺伝的アルゴリズム、バックプロパゲーション、強化学習、決定木、ライナー分類、人工ニューラルネットワーク、異常検出などを含む。より一般的には、機械学習または人工知能方法は、回帰分析、次元削減、メタ学習、強化学習、ディープラーニング、ならびに他のそのようなアルゴリズムおよび／または方法を含み得る。企図され得るように、「機械学習」および「人工知能」という用語は、これらの分野の間の重複の程度により頻繁に互換的に使用され、開示される技法およびアルゴリズムの多くは同様の手法を有する。

【0250】

[0275]教師つきトレーニング技法の一例として、データのセットは、データのセットのメンバーの間の相関の識別を容易にするために機械学習モデルのトレーニングのために選択され得る。機械学習モデルは、機械学習モデルに供給されるサンプル入力に基づいて、機械学習モデルがデータのセットのメンバーの間の正確な相関を生成しているのかどうかを決定するために評価され得る。この評価に基づいて、機械学習モデルは、機械学習モデルが所望の相関を識別する可能性を高めるために修正され得る。機械学習モデルは、機械学習アルゴリズムまたは人工知能アルゴリズムによって与えられた相関の効力に関するシステムのユーザからのフィードバック（すなわち、監視）を要請することによってさらに動的にトレーニングされ得る。機械学習アルゴリズムまたは人工知能は、相関を生成するためのアルゴリズムを改善するためにこのフィードバックを使用し得る（たとえば、フィードバックは、より正確な相関を与えるために機械学習アルゴリズムまたは人工知能をさらにトレーニングするために使用され得る）。

【0251】

[0276]本開示のいくつかの態様がいくつかの請求項の形式で以下に提示されているが、発明者は、任意の数の請求項の形式で本開示の様々な態様を企図する。米国特許法１９２条（ｆ）の下で扱われることを意図するあらゆる請求は、「ための手段（means for）」という用語で開始するものになる。したがって、出願人は、本開示の他の態様のためのそのような追加の請求項の形式を遂行するために本出願を出願した後に追加の請求項を追加する権利を留保する。

【0252】

[0277]例はまた、本明細書で説明されるコンピューティングプロセスによって生成されるオブジェクトに関係し得る。そのようなオブジェクトは、コンピューティングプロセスから生じた情報を備え得、ここで、情報は、非一時的、有形コンピュータ可読記憶媒体上に記憶され、コンピュータプログラムオブジェクトまたは本明細書で説明される他のデータ組合せの任意の実装形態を含み得る。

【0253】

[0278]本明細書において使用される言語は、読みやすさおよび指導上の目的で主に選択されてきており、主題を線引きしまたは制限するために選択されてきていない場合がある。したがって、本開示の範囲が、この詳細な説明によってではなく、本明細書に基づく出願上に公表された任意の特許請求の範囲によって限定されることが意図される。したがって、例の開示は、以下の特許請求の範囲に記載されている主題の範囲の限定ではなく、説明のためのものであることが意図される。

【0254】

[0279]コンテキスト接続システムのためのシステムおよび構成要素の様々な実装形態の完全な理解を与えるために具体的な詳細が前の説明で与えられた。しかしながら、上記で説明された実装形態がこれらの具体的な詳細なしに実施され得ることを当業者は理解されよう。たとえば、回路、システム、ネットワーク、プロセス、および他の構成要素は、実施形態を不要な詳細で不明瞭にしないように、ブロック図の形式において構成要素として示され得る。他の事例では、実施形態を不明瞭にすることを回避するために、よく知られている回路、プロセス、アルゴリズム、構造、および技法が不要な詳細なしに示され得る。

【0255】

[0280]本技術の上記の詳細な説明は、例示および説明のために提示された。それは、網羅的なものでも、開示された形態そのものに本技術を限定するものでもない。上記の教示に照らして、多くの修正形態および変形形態が可能である。本技術の原理およびそれの実際的適用例について最良に説明し、他の当業者が、様々な実施形態において、企図された特定の用途に好適であるような様々な修正を加えて本技術を利用することを可能にするために、説明される実施形態が選定された。本技術の範囲が特許請求の範囲によって定義されることが意図される。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】

【図17】

【図18】

【図19】

【図20】

【図21】

【図22】

【図23】

【図24】

【図25】

【図26】

【国際調査報告】