知財求人 - 知財ポータルサイト「IP Force」
(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】2024-10-31
(54)【発明の名称】予測ユーザインテントに基づく自動化された意思決定
(51)【国際特許分類】
G06Q 50/10 20120101AFI20241024BHJP
【ＦＩ】
G06Q50/10
【審査請求】有
【予備審査請求】未請求
(21)【出願番号】P 2024525149
(86)(22)【出願日】2022-11-02
(85)【翻訳文提出日】2024-06-24
(86)【国際出願番号】 US2022048685
(87)【国際公開番号】W WO2023081195
(87)【国際公開日】2023-05-11
(31)【優先権主張番号】63/274,689
(32)【優先日】2021-11-02
(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】511094772
【氏名又は名称】ライブパーソン， インコーポレイテッド
(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】ダレッサンドロ、アンジェロ
(72)【発明者】
【氏名】ヘイリー、ブライアン
【テーマコード（参考）】
5L050
【Ｆターム（参考）】
5L050CC11
(57)【要約】
自動化されたアカウントインタラクションのためのシステムが、ユーザに対応するアカウントに関連付けられた履歴情報を受信する。履歴情報は、アカウントが関与するトランザクションを識別する。システムは、少なくとも部分的に、訓練された機械学習モデルに履歴情報を入力することによって、トランザクションについてのインテントを識別するために、１つ以上の訓練された機械学習モデルを使用する。システムは、少なくとも部分的に、訓練された機械学習モデルにトランザクションについてのインテントを入力することによって、推奨されるトランザクションを生成するために、訓練された機械学習モデルを使用する。システムは、推奨されるトランザクションを出力し、推奨されるトランザクションに関する確認を受信する。
【選択図】図３Ｃ
【選択図】図３Ｃ
【特許請求の範囲】
【請求項1】
自動化されたアカウントインタラクションの方法であって、前記方法は、第１のユーザに対応する第１のアカウントに関連付けられた履歴情報を受信すること、ここにおいて、前記履歴情報は、前記第１のアカウントが関与するトランザクションを識別する、と、
１つ以上の訓練された機械学習モデルに前記履歴情報を入力することによって、前記トランザクションについてのインテントを識別するために、前記１つ以上の訓練された機械学習モデルを使用することと、
前記１つ以上の訓練された機械学習モデルに前記トランザクションについての前記インテントを入力することによって、推奨されるトランザクションを生成するために、前記１つ以上の訓練された機械学習モデルを使用することと、
前記推奨されるトランザクションを出力することと、
前記推奨されるトランザクションに関する確認を受信することと、
前記確認に基づいて、１つ以上の追加のインテント及び１つ以上の追加の推奨されるトランザクションを識別する際に使用するための前記１つ以上の訓練された機械学習モデルを更新するために、前記インテント及び前記推奨されるトランザクションを使用することと、
を備える、方法。
【請求項2】
前記確認の受信に応答して、前記第１のユーザに代わって前記推奨されるトランザクションの実行を自動的に開始することを更に備える、請求項１に記載の方法。
【請求項3】
前記推奨されるトランザクションの実行に応答して、トランザクション完了確認を自動的に出力することを更に備える、請求項２に記載の方法。
【請求項4】
第２のアカウントに関連付けられた第２の履歴情報を受信することを更に備え、ここにおいて、前記トランザクションについての前記インテントを識別することは、前記第１のアカウントと前記第２のアカウントとの間のつながりを識別することを含み、前記トランザクションについての前記インテントを識別することはまた、前記第２の履歴情報に基づく、請求項１に記載の方法。
【請求項5】
前記推奨されるトランザクションは、１つ以上の資産を前記第１のアカウントから前記第２のアカウントに移動することの推奨を含む、請求項４に記載の方法。
【請求項6】
前記推奨されるトランザクションは、１つ以上の資産を前記第２のアカウントから前記第１のアカウントに移動することの推奨を含む、請求項４に記載の方法。
【請求項7】
前記第２のアカウントは、マーチャント又は第２のユーザのうちの少なくとも１つに関連付けられている、請求項４に記載の方法。
【請求項8】
前記推奨されるトランザクションは、前記第２のアカウントに関連付けられた製品及びサービスのうちの少なくとも１つに対するものである、請求項４に記載の方法。
【請求項9】
前記トランザクションについての前記インテントを識別することは、前記第１のユーザが車両への操作アクセスを有することを識別することを含み、前記トランザクションは、前記車両に関連付けられた製品及びサービスのうちの少なくとも１つに対するものであり、前記推奨されるトランザクションは、前記車両に関連付けられた第２の製品及び第２のサービスのうちの少なくとも１つに対するものである、請求項１に記載の方法。
【請求項10】
前記トランザクションについての前記インテントを識別することは、前記第１のユーザが住居に住んでいることを識別することを含み、前記トランザクションは、前記住居に関連付けられた製品及びサービスのうちの少なくとも１つに対するものであり、前記推奨されるトランザクションは、前記住居に関連付けられた第２の製品及び第２のサービスのうちの少なくとも１つに対するものである、請求項１に記載の方法。
【請求項11】
前記トランザクションについての前記インテントを識別することは、前記第１のユーザが職業に就いていることを識別することを含み、前記トランザクションは、前記職業に関連付けられた製品及びサービスのうちの少なくとも１つに対するものであり、前記推奨されるトランザクションは、前記職業に関連付けられた第２の製品及び第２のサービスのうちの少なくとも１つに対するものである、請求項１に記載の方法。
【請求項12】
前記トランザクションについての前記インテントを識別することは、前記第１のユーザが第２のユーザと関係があることを識別することを含み、前記トランザクションは、前記第２のユーザに関連付けられた製品及びサービスのうちの少なくとも１つに対するものであり、前記推奨されるトランザクションは、前記第２のユーザに関連付けられた第２の製品及び第２のサービスのうちの少なくとも１つに対するものである、請求項１に記載の方法。
【請求項13】
前記第１のアカウントに関連付けられた追加情報を受信することと、前記追加情報に基づいて前記トランザクションについての前記インテントを更新するために、１つ以上の訓練された機械学習モデルを使用することと、
を更に備える、請求項１に記載の方法。
【請求項14】
前記インテントを更新することに応答して、前記インテントに基づいて前記推奨されるトランザクションを更新するために、１つ以上の訓練された機械学習モデルを使用することを更に備える、請求項１３に記載の方法。
【請求項15】
前記第１のアカウントに関連付けられた追加情報を受信することと、前記追加情報に基づいて前記推奨されるトランザクションを更新するために、１つ以上の訓練された機械学習モデルを使用することと、
を更に備える、請求項１に記載の方法。
【請求項16】
前記第１のユーザに関連付けられた質問を受信することと、前記トランザクションについての前記インテント又は前記推奨されるトランザクションのうちの少なくとも１つに基づいて、前記質問に対する回答を決定することと、
前記質問に対する前記回答を出力することと、
を更に備える、請求項１に記載の方法。
【請求項17】
前記第１のユーザが前記トランザクションについての前記インテントに基づく特性によって特徴付けられることを識別することを更に備え、ここにおいて、前記推奨されるトランザクションを生成するために、前記１つ以上の訓練された機械学習モデルを使用することは、前記１つ以上の訓練された機械学習モデルに前記特性を入力することを含む、請求項１に記載の方法。
【請求項18】
前記推奨されるトランザクションを出力することは、前記第１のユーザに関連付けられたユーザデバイスに、前記推奨されるトランザクションを識別するメッセージを送ることを含み、前記推奨されるトランザクションに関する前記確認を受信することは、前記第１のユーザに関連付けられたユーザデバイスから、前記推奨されるトランザクションを開始するための承認を受信することを含む、請求項１に記載の方法。
【請求項19】
前記推奨されるトランザクションを出力することは、前記第１のユーザに代わって前記推奨されるトランザクションの実行を自動的に開始することを含み、前記推奨されるトランザクションに関する前記確認を受信することは、前記推奨されるトランザクションが処理されたことを示すトランザクション完了確認を受信することを含む、請求項１に記載の方法。
【請求項20】
前記第１のユーザに関連付けられたユーザデバイスからフィードバックを受信すること、ここにおいて、前記フィードバックは、前記トランザクションについての前記インテント又は前記推奨されるトランザクションのうちの少なくとも１つに関連付けられている、と、前記１つ以上の訓練された機械学習モデルのための訓練データとして前記フィードバックを使用することによって、前記１つ以上の訓練された機械学習モデルを更新することと、
を更に備える、請求項１に記載の方法。
【請求項21】
前記推奨されるトランザクションを生成することは、与信枠についての前記第１のユーザの適格性を決定することを含み、前記推奨されるトランザクションは、前記適格性に基づいて、前記第１のユーザのために前記与信枠を開設することの推奨を含む、請求項１に記載の方法。
【請求項22】
前記推奨されるトランザクションは、サービスプロバイダとの約束又は予約のうちの少なくとも１つを行うことの推奨を含む、請求項１に記載の方法。
【請求項23】
前記１つ以上の訓練された機械学習モデルは、第１の訓練された機械学習モデルと、第２の訓練された機械学習モデルと、を含み、前記トランザクションについての前記インテントを識別するために、前記１つ以上の訓練された機械学習モデルを使用することは、前記第１の訓練された機械学習モデルに前記履歴情報を入力することによって、前記トランザクションについての前記インテントを識別するために、前記第１の訓練された機械学習モデルを使用することを含み、前記推奨されるトランザクションを生成するために、前記１つ以上の訓練された機械学習モデルを使用することは、前記第２の訓練された機械学習モデルに前記トランザクションについての前記インテントを入力することによって、前記推奨されるトランザクションを生成するために、前記第２の訓練された機械学習モデルを使用することを含む、請求項１に記載の方法。
【請求項24】
前記１つ以上の訓練された機械学習モデルは、第１の訓練された機械学習モデルを含み、前記トランザクションについての前記インテントを識別するために、前記１つ以上の訓練された機械学習モデルを使用することは、前記第１の訓練された機械学習モデルに前記履歴情報を入力することによって、前記トランザクションについての前記インテントを識別するために、前記第１の訓練された機械学習モデルを使用することを含み、前記推奨されるトランザクションを生成するために、前記１つ以上の訓練された機械学習モデルを使用することは、前記第１の訓練された機械学習モデルに前記トランザクションについての前記インテントを入力することによって、前記推奨されるトランザクションを生成するために、前記第１の訓練された機械学習モデルを使用することを含む、請求項１に記載の方法。
【請求項25】
前記推奨されるトランザクションを出力することは、ディスプレイを使用して、前記推奨されるトランザクションが表示されるようにすることを含む、請求項１に記載の方法。
【請求項26】
前記推奨されるトランザクションを出力することは、通信トランシーバを介して、前記推奨されるトランザクションが、前記第１のユーザに関連付けられたユーザデバイスに送信されるようにすることを含む、請求項１に記載の方法。
【請求項27】
前記第１のユーザに関連付けられたスケジュール情報を受信することと、前記スケジュール情報に基づいて、スケジュールされたイベントを識別すること、ここにおいて、前記推奨されるトランザクションは、前記スケジュールされたイベントに関連付けられている、と、
を更に備える、請求項１に記載の方法。
【請求項28】
前記トランザクションについての前記インテントと、１つ以上の追加のトランザクションについて決定された１つ以上のインテントとに基づいて、前記ユーザに関連付けられた１つ以上のプロファイルを生成することを更に備え、ここにおいて、前記１つ以上のプロファイルの各々は、トランザクションの異なるカテゴリのセットのうちのトランザクションのカテゴリに関する前記ユーザの１つ以上の選好を識別し、前記１つ以上の訓練された機械学習モデルに前記トランザクションについての前記インテントを入力することによって、前記推奨されるトランザクションを生成するために、前記１つ以上の訓練された機械学習モデルを使用することは、前記１つ以上の訓練された機械学習モデルに前記１つ以上のプロファイルのうちの少なくとも１つを入力することを含む、
請求項１に記載の方法。
【請求項29】
前記１つ以上の訓練された機械学習モデルに前記インテントを入力することによって、複数のコミュニティから推奨されるコミュニティを選択するために、前記１つ以上の訓練された機械学習モデルを使用すること、ここにおいて、前記推奨されるコミュニティは、前記インテントに関連付けられている、と、前記推奨されるコミュニティを出力することと、
を更に備える、請求項１に記載の方法。
【請求項30】
自動化されたアカウントインタラクションのための装置であって、前記装置は、メモリと、
前記メモリに結合された１つ以上のプロセッサと、
を備え、前記１つ以上のプロセッサは、
第１のユーザに対応する第１のアカウントに関連付けられた履歴情報を受信すること、ここにおいて、前記履歴情報は、前記第１のアカウントが関与するトランザクションを識別する、と、
１つ以上の訓練された機械学習モデルに前記履歴情報を入力することによって、前記トランザクションについてのインテントを識別するために、前記１つ以上の訓練された機械学習モデルを使用することと、
前記１つ以上の訓練された機械学習モデルに前記トランザクションについての前記インテントを入力することによって、推奨されるトランザクションを生成するために、前記１つ以上の訓練された機械学習モデルを使用することと、
前記推奨されるトランザクションを出力することと、
前記推奨されるトランザクションに関する確認を受信することと、
前記確認に基づいて、１つ以上の追加のインテント及び１つ以上の追加の推奨されるトランザクションを識別する際に使用するための前記１つ以上の訓練された機械学習モデルを更新するために、前記インテント及び前記推奨されるトランザクションを使用することと、
を行うように構成される、装置。
【発明の詳細な説明】
【関連出願の相互参照】
【0001】
[0001]本願は、２０２１年１１月２日に出願された米国仮特許出願第６３／２７４，６８９号の利益を主張し、これは、あらゆる目的のために、その全体が参照により本明細書に組み込まれている。
【背景技術】
【0002】
[0002]人々は、日々の生活を通して様々なエンティティとのトランザクションに従事する。例えば、人々は、製品を購入するためにマーチャント（merchants）と、サービスを受けるためにサービスプロバイダと、金融サービスのために銀行及び信用組合及び貸手等の金融機関と、並びに同様のものと関与する。従来、このようなトランザクションに関する情報は、人が関与する個々のエンティティにおいてサイロ化されたままであった。さらに、人は、時として、同じエンティティ又は同様のエンティティとの同じ又は同様のタイプのトランザクションに、あるパターンで定期的に従事し得る。トランザクションのこのようなパターンは、典型的に、人が維持するには非効率的かつ面倒であり、人がそのパターンでのトランザクションを忘れた場合には、人に問題をもたらし得る。
【発明の概要】
【0003】
[0003]自動化されたアカウントインタラクションのためのシステム、装置、方法、コンピュータ可読媒体、及び回路が開示される。いくつかの例では、自動化されたアカウントインタラクションのためのシステムが、ユーザに対応するアカウントに関連付けられた履歴情報を受信する。履歴情報は、このアカウントが関与する少なくとも１つのトランザクションを識別する。履歴情報は、例えば、人口統計学的データ、トランザクション履歴、信用履歴、アカウントのアカウント履歴、ユーザの特性、ユーザアカウントを使用して及び／又はユーザによって行われたアクション、並びに同様のものを含み得る。システムは、１つ以上の訓練された機械学習モデルに履歴情報を与える。システムは、少なくとも部分的に、１つ以上の訓練された機械学習モデルに履歴情報を入力することによって、トランザクションについてのインテントを識別するために、１つ以上の訓練された機械学習モデルを使用する。システムは、１つ以上の訓練された機械学習モデルにトランザクションについてのインテントを与える。システムは、少なくとも部分的に、訓練された機械学習モデルにトランザクションについてのインテントを入力することによって、推奨されるトランザクションを生成するために、訓練された機械学習モデルを使用する。いくつかの例では、システムは、トランザクションについてのインテントを識別するために、第１の訓練された機械学習エンジンを使用し、推奨されるトランザクションを生成するために、第２の訓練された機械学習エンジンを使用する。いくつかの例では、システムは、トランザクションについてのインテントを識別するためと、推奨されるトランザクションを生成するためとの両方に、第１の訓練された機械学習エンジンを使用する。システムは、推奨されるトランザクションを出力する。いくつかの例では、システムは、ディスプレイを使用して推奨されるトランザクションを表示することによって、推奨されるトランザクションを出力する。いくつかの例では、システムは、ユーザに関連付けられたユーザデバイスに推奨されるトランザクションを送ることによって、推奨されるトランザクションを出力する。いくつかの例では、システムは、トランザクションを開始、処理、及び／又は完了することによって、推奨されるトランザクションを出力する。いくつかの例では、システムは、第２のシステムがトランザクションを開始、処理、及び／又は完了することを要求するために、第２のシステムと通信することによって、推奨されるトランザクションを出力する。システムは、推奨されるトランザクションに関する確認を受信する。いくつかの例では、確認は、推奨されるトランザクションを開始するための、ユーザからの承認である。確認に応答して、システムは、トランザクションを開始、処理、及び／又は完了し得る。確認に応答して、システムは、第２のシステムがトランザクションを開始、処理、及び／又は完了することを要求するために、第２のシステムと通信し得る。いくつかの例では、確認は、トランザクションが開始された、処理された、及び／又は完了したことを確認する、第２のシステム（又はこのシステムの構成要素）から受信された確認である。システムは、例えば、ディスプレイを使用してメッセージを表示すること、及び／又は、ユーザに関連付けられたユーザデバイスにメッセージを送ることによって、確認に基づいてメッセージを出力し得る。
【0004】
[0004]一例では、自動化されたアカウントインタラクションのための方法が提供される。方法は、第１のユーザに対応する第１のアカウントに関連付けられた履歴情報を受信すること、ここにおいて、履歴情報は、第１のアカウントが関与するトランザクションを識別する、と、少なくとも部分的に、１つ以上の訓練された機械学習モデルに履歴情報を入力することによって、トランザクションについてのインテントを識別するために、１つ以上の訓練された機械学習モデルを使用することと、少なくとも部分的に、１つ以上の訓練された機械学習モデルにトランザクションについてのインテントを入力することによって、推奨されるトランザクションを生成するために、１つ以上の訓練された機械学習モデルを使用することと、推奨されるトランザクションを出力することと、推奨されるトランザクションに関する確認を受信することと、確認に基づいて、１つ以上の追加のインテント及び１つ以上の追加の推奨されるトランザクションを識別する際に使用するための１つ以上の訓練された機械学習モデルを更新するために、インテント及び推奨されるトランザクションを使用することと、を含む。
【0005】
[0005]別の例では、自動化されたアカウントインタラクションのためのシステムが提供される。システムは、記憶装置（例えば、仮想コンテンツデータ、１つ以上の画像、等のようなデータを記憶するように構成されたメモリ）と、メモリに結合され、命令を実行するように構成された１つ以上のプロセッサ（例えば、回路で実装される）と、を含む。１つ以上のプロセッサによる命令の実行は、１つ以上のプロセッサに、様々な構成要素（例えば、ネットワークインターフェース、ディスプレイ、出力デバイス、等）と連携して、第１のユーザに対応する第１のアカウントに関連付けられた履歴情報を受信すること、ここにおいて、履歴情報は、第１のアカウントが関与するトランザクションを識別する、と、少なくとも部分的に、１つ以上の訓練された機械学習モデルに履歴情報を入力することによって、トランザクションについてのインテントを識別するために、１つ以上の訓練された機械学習モデルを使用することと、少なくとも部分的に、１つ以上の訓練された機械学習モデルにトランザクションについてのインテントを入力することによって、推奨されるトランザクションを生成するために、１つ以上の訓練された機械学習モデルを使用することと、推奨されるトランザクションを出力することと、推奨されるトランザクションに関する確認を受信することと、確認に基づいて、１つ以上の追加のインテント及び１つ以上の追加の推奨されるトランザクションを識別する際に使用するための１つ以上の訓練された機械学習モデルを更新するために、インテント及び推奨されるトランザクションを使用することと、を行わせる。
【0006】
[0006]別の例では、プログラムを具現化した非一時的なコンピュータ可読記憶媒体が提供される。プログラムは、自動化されたアカウントインタラクションの方法を行うために、プロセッサによって実行可能である。方法は、第１のユーザに対応する第１のアカウントに関連付けられた履歴情報を受信すること、ここにおいて、履歴情報は、第１のアカウントが関与するトランザクションを識別する、と、少なくとも部分的に、１つ以上の訓練された機械学習モデルに履歴情報を入力することによって、トランザクションについてのインテントを識別するために、１つ以上の訓練された機械学習モデルを使用することと、少なくとも部分的に、１つ以上の訓練された機械学習モデルにトランザクションについてのインテントを入力することによって、推奨されるトランザクションを生成するために、１つ以上の訓練された機械学習モデルを使用することと、推奨されるトランザクションを出力することと、推奨されるトランザクションに関する確認を受信することと、確認に基づいて、１つ以上の追加のインテント及び１つ以上の追加の推奨されるトランザクションを識別する際に使用するための１つ以上の訓練された機械学習モデルを更新するために、インテント及び推奨されるトランザクションを使用することと、を含む。
【0007】
[0007]別の例では、自動化されたアカウントインタラクションのためのシステムが提供される。システムは、第１のユーザに対応する第１のアカウントに関連付けられた履歴情報を受信するための手段、ここにおいて、履歴情報は、第１のアカウントが関与するトランザクションを識別する、と、少なくとも部分的に、１つ以上の訓練された機械学習モデルに履歴情報を入力することによって、トランザクションについてのインテントを識別するために、１つ以上の訓練された機械学習モデルを使用するための手段と、少なくとも部分的に、１つ以上の訓練された機械学習モデルにトランザクションについてのインテントを入力することによって、推奨されるトランザクションを生成するために、１つ以上の訓練された機械学習モデルを使用するための手段と、推奨されるトランザクションを出力するための手段と、推奨されるトランザクションに関する確認を受信するための手段と、確認に基づいて、１つ以上の追加のインテント及び１つ以上の追加の推奨されるトランザクションを識別する際に使用するための１つ以上の訓練された機械学習モデルを更新するために、インテント及び推奨されるトランザクションを使用するための手段と、を含む。
【0008】
[0008]本願の例示的な実施形態が、以下の図を参照して以下に詳細に説明される。
【図面の簡単な説明】
【0009】
【図4】[0014]図４は、いくつかの例による、ユーザに関連付けられた履歴情報に基づいて、第１のトランザクションについての予測インテントを決定するために、機械学習エンジンの１つ以上の機械学習モデルを使用することを例示するブロック図である。
【図5A】[0015]図５Ａは、いくつかの例による、第１のトランザクションについてのインテントに基づいて、及び／又は、ユーザに関連付けられた履歴情報に基づいて、推奨されるトランザクションを生成するために、機械学習エンジンの１つ以上の機械学習モデルを使用することを例示するブロック図である。
【図5B】[0016]図５Ｂは、いくつかの例による、第１のコミュニティについてのインテントに基づいて、及び／又は、ユーザに関連付けられた履歴情報に基づいて、推奨されるコミュニティを生成するために、機械学習エンジンの１つ以上の機械学習モデルを使用することを例示するブロック図である。
【発明を実施するための形態】
【0010】
[0027]人々は、日々の生活を通して様々なエンティティとのトランザクションに従事する。例えば、人々は、製品を購入するためにマーチャントと、サービスを受けるためにサービスプロバイダと、金融サービスのために銀行及び信用組合及び貸手等の金融機関と、並びに同様のものと関与する。従来、このようなトランザクションに関する情報は、人が関与する個々のエンティティにおいてサイロ化されたままであった。さらに、人は、時として、同じエンティティ又は同様のエンティティとの同じ又は同様のタイプのトランザクションに、あるパターンで定期的に従事し得る。トランザクションのこのようなパターンは、典型的に、人が維持するには非効率的かつ面倒であり、人がそのパターンでのトランザクションを忘れた場合には、人に問題をもたらし得る。
【0011】
[0028]自動化されたアカウントインタラクションのためのシステム、装置、方法、コンピュータ可読媒体、及び回路が開示される。いくつかの例では、自動化されたアカウントインタラクションのためのシステムが、ユーザに対応するアカウントに関連付けられた履歴情報を受信する。履歴情報は、このアカウントが関与する少なくとも１つのトランザクションを識別する。履歴情報は、異なるエンティティとのトランザクション（例えば、製品を購入するためのマーチャントとのトランザクション、サービスを受けるためのサービスプロバイダとのトランザクション、金融サービスのための銀行及び信用組合及び貸手等の金融機関とのトランザクション、並びに同様のものとのトランザクション）等の、ユーザ及び／又はアカウントが関与する様々なトランザクションを識別し得る。履歴情報は、例えば、人口統計学的データ、トランザクション履歴、信用履歴、アカウントのアカウント履歴、ユーザの特性、ユーザアカウントを使用して及び／又はユーザによって行われたアクション、並びに同様のものを含み得る。
【0012】
[0029]いくつかの例では、システムは、システムが訓練データを使用して訓練し得る１つ以上の機械学習（ＭＬ）モデルを有するＭＬエンジンを含む。システムは、１つ以上の訓練されたＭＬモデルのうちの少なくとも１つに履歴情報を与える。システムは、少なくとも部分的に、１つ以上の訓練されたＭＬモデルに履歴情報を入力することによって、トランザクションについてのインテントを識別するために、１つ以上の訓練されたＭＬモデルを使用する。いくつかの例では、１つ以上のＭＬモデルのための訓練データは、履歴情報と、履歴情報において識別されたトランザクションについてのインテントと、を含み得る。訓練の検証段階（validation stage）中、システムは、履歴情報に基づいてトランザクションについての予測インテントを生成するために、１つ以上のＭＬモデルを使用し得、システムは、トランザクションについての予測インテントが、訓練データからのトランザクションについてのインテントに一致するか否かに基づいて、１つ以上のＭＬモデルを更新及び／又は更に訓練し得る。いくつかの例では、システムは、トランザクションについてのインテントに関するユーザからのフィードバックを要求及び／又は受信し、フィードバックに基づいて、１つ以上のＭＬモデルを更新及び／又は更に訓練する。
【0013】
[0030]システムは、１つ以上の訓練されたＭＬモデルにトランザクションについてのインテントを与える。システムは、少なくとも部分的に、訓練されたＭＬモデルにトランザクションについてのインテントを入力することによって、推奨されるトランザクションを生成するために、訓練されたＭＬモデルを使用する。いくつかの例では、１つ以上のＭＬモデルのための訓練データは、履歴情報、履歴情報において識別されたトランザクションについてのインテント、及び／又は、履歴情報において識別されたトランザクションの後にユーザによって行われる第２のトランザクションを含み得る。第２のトランザクションは、履歴情報において識別されたトランザクションに、及び／又はインテントに関連し得る。訓練の検証段階中、システムは、インテントに基づいて、及び／又は、履歴情報に基づいて、推奨されるトランザクションを生成するために、１つ以上のＭＬモデルを使用し得、システムは、推奨されるトランザクションが、訓練データからの第２のトランザクションに一致するか否かに基づいて、１つ以上のＭＬモデルを更新及び／又は更に訓練し得る。いくつかの例では、システムは、トランザクションについてのインテントを識別するために、第１の訓練されたＭＬエンジンを使用し、推奨されるトランザクションを生成するために、第２の訓練されたＭＬエンジンを使用する。いくつかの例では、システムは、トランザクションについてのインテントを識別するためと、推奨されるトランザクションを生成するためとの両方に、第１の訓練されたＭＬエンジンを使用する。
【0014】
[0031]システムは、推奨されるトランザクションを出力する。いくつかの例では、システムは、ディスプレイを使用して推奨されるトランザクションを表示することによって、推奨されるトランザクションを出力する。いくつかの例では、システムは、ユーザに関連付けられたユーザデバイスに推奨されるトランザクションを送ることによって、推奨されるトランザクションを出力する。いくつかの例では、システムは、トランザクションを開始、処理、及び／又は完了することによって、推奨されるトランザクションを出力する。いくつかの例では、システムは、第２のシステムがトランザクションを開始、処理、及び／又は完了することを要求するために、第２のシステムと通信することによって、推奨されるトランザクションを出力する。
【0015】
[0032]システムは、推奨されるトランザクションに関する確認を受信する。いくつかの例では、確認は、推奨されるトランザクションを開始するための、ユーザからの承認である。確認に応答して、システムは、トランザクションを開始、処理、及び／又は完了し得る。確認に応答して、システムは、第２のシステムがトランザクションを開始、処理、及び／又は完了することを要求するために、第２のシステムと通信し得る。いくつかの例では、確認は、トランザクションが開始された、処理された、及び／又は完了したことを確認する、第２のシステム（又はこのシステムの構成要素）から受信された確認である。システムは、例えば、ディスプレイを使用してメッセージを表示すること、及び／又は、ユーザに関連付けられたユーザデバイスにメッセージを送ることによって、確認に基づいてメッセージを出力し得る。
【0016】
[0033]システムは、１つ以上の追加のインテント及び１つ以上の追加の推奨されるトランザクションを識別する際に使用するための１つ以上の機械学習モデルを更新するために、インテント及び／又は推奨されるトランザクションを使用する。いくつかの例では、システムは、インテント及び／又は推奨されるトランザクションに関するユーザからのフィードバックを要求及び／又は受信し、フィードバックに基づいて、１つ以上のＭＬモデルを更新及び／又は更に訓練する。例えば、フィードバックがポジティブである場合には、ＭＬモデルに対する更新は、トランザクションについてのインテントの決定に寄与した、及び／又は、推奨されるトランザクションの生成に寄与した１つ以上のＭＬモデル内の重み及び／又は接続を強化し得る。フィードバックがネガティブである場合には、更新は、トランザクションについてのインテントの決定に寄与した、及び／又は、推奨されるトランザクションの生成に寄与した１つ以上のＭＬモデル内の重み及び／又は接続を、弱める、除去する、及び／又は置き換え得る。
【0017】
[0034]本明細書に記載される自動化されたアカウントインタラクションのためのシステム、装置、方法、コンピュータ可読媒体、及び回路は、従来のアカウント管理技術に比べ、多くの利点を提供する。例えば、本明細書に記載される自動化されたアカウントインタラクションのシステム、装置、方法、コンピュータ可読媒体、及び回路は、ユーザの履歴、ユーザのアカウント情報、ユーザのトランザクション（複数可）の背後で決定されたインテント、又はこれらの組合せに基づいて、特にユーザ向けにカスタマイズされた及び／又は合わせられたカスタマイズされた推奨（例えば、推奨されるトランザクション）を提供する。これは、推奨を提供することができないか、又はこのようなカスタマイズなしに標準化された推奨を提供するシステムに対して改善する。本明細書に記載される自動化されたアカウントインタラクションシステム、装置、方法、コンピュータ可読媒体、及び回路は、例えば、システムが以前のトランザクション（複数可）に基づいて決定する、ユーザのインテントに沿ったトランザクションのインテリジェント予測、予想、及び／又は推定に基づいて、推奨されるトランザクションを自動的に開始、処理、及び／又は完了することによって、アカウント管理、販売時点情報管理（ＰＯＳ）、及び財務管理技術の効率を改善する。
【0018】
[0035]図１は、自動化されたアカウントインタラクションのためのシステムアーキテクチャを例示するブロック図である。システムアーキテクチャは、様々なタイプのユーザデバイス１２０を含む。ユーザデバイス１２０は、固定電話、セルラフォン、スマートフォン、スマートウォッチ、モバイルハンドセット、ウェアラブルデバイス、又はこれらの組合せ等の、テレフォニデバイス１０５を含む。ユーザデバイス１２０は、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、端末、キオスク、セルラフォン、スマートフォン、スマートウォッチ、モバイルハンドセット、ウェアラブルデバイス、又は図１５に関して説明されるその他任意のコンピューティングシステム１５００等の、コンピューティングデバイス１１５を含む。ユーザデバイス１２０は、スマートフォン、セルラフォン、モバイルハンドセット、タブレットデバイス、ポータブルビデオゲーム機、ポータブルメディアプレーヤ、ヘッドマウントディスプレイ（ＨＭＤ）、仮想現実（ＶＲ）デバイス、拡張現実（ＡＲ）デバイス、複合現実（ＭＲ）デバイス、エクステンデッドリアリティ（ＸＲ）デバイス、スマートウォッチ、スマートグラス、スマートリング、スマートブレスレット、ウェアラブルデバイス、健康モニタデバイス、健康トラッキングデバイス、フィットネストラッキングデバイス、別のタイプのコンピューティングシステム１５００、又はこれらの組合せ等の、モバイルデバイス１１０を含む。いくつかの例では、ユーザデバイス１２０は、テレフォニデバイス１０５、モバイルデバイス１１０、及び／又はコンピューティングデバイス１１５の組合せであり得る。
【0019】
[0036]システムアーキテクチャは、１つ以上の音声インターフェースゲートウェイサーバ１２５と、１つ以上のアカウント自動化サーバ１３０と、１つ以上のアカウント管理サーバ１４０と、１つ以上のアカウント自動化データ構造１３５と、１つ以上のアカウント管理データ構造１４５と、を含む。場合によっては、ユーザデバイス１２０は、ユーザデバイス１２０のユーザから入力を受信し得る。例えば、ユーザデバイス１２０は、物理キー若しくはボタンを持つ物理キーボード若しくはキーパッド、タッチスクリーン上の仮想キー若しくはボタンを持つ仮想キーボード若しくはキーパッド、別のタッチスクリーンインターフェース、ユーザの音声を記録するマイクロホン、タッチパッド、マウス、図１５に関して説明される任意の入力デバイス１５４５、又はこれらの何らかの組合せ等の、入力インターフェースを通じて入力を受信し得る。
【0020】
[0037]使用される入力デバイスがユーザデバイス１２０のマイクロホンである場合、マイクロホンは、ユーザの音声の音声記録を記録し得る。いくつかの例では、ユーザデバイス１２０は、音声インターフェースゲートウェイサーバ１２５に音声記録を送る。音声インターフェースゲートウェイサーバ１２５は、音声記録を受信すると、音声記録の構文解析、自動音声認識（ＡＳＲ）、コンピュータ音声認識（ＣＳＲ）、文字起こし（ＳＴＴ）、又はこれらの組合せで呼ばれ得る変換アルゴリズムを使用して、音声記録をテキスト文字列に変換し得る。音声インターフェースゲートウェイサーバ１２５は、音声インターフェースゲートウェイサーバ１２５がユーザの音声をより多く受信し続けるにつれて、動的に及び／又はリアルタイムで音声記録をテキスト文字列に変換し得る。変換アルゴリズムは、例えば、隠れマルコフモデル、動的時間伸縮法（ＤＴＷ）ベースの音声認識、ディープニューラルネットワーク、ディープフィードフォワードニューラルネットワーク（ＤＮＮ）、再帰型ニューラルネットワーク（ＲＮＮ）、時間遅延ニューラルネットワーク（ＴＤＮＮ）、畳み込みニューラルネットワーク（ＣＮＮ）、ノイズ除去オートエンコーダ、又はこれらの組合せを使用して、音声記録をテキスト文字列に変換し得る。
【0021】
[0038]いくつかの例では、ユーザデバイス１２０は、変換アルゴリズムを使用して、音声記録をテキスト文字列に変換する。いくつかの例では、音声記録は、ユーザデバイス１２０と音声インターフェースゲートウェイサーバ１２５との組合せによってテキスト文字列に変換され、例えば、異なるデバイスが変換アルゴリズムの様々な動作を行う。例えば、ユーザデバイス１２０が、音声インターフェースゲートウェイサーバ１２５上で及び／又はアカウント自動化サーバ１３０上で実行されている自動化されたアシスタントとの電話呼又はボイスオーバーＩＰ呼に従事する場合、ユーザの音声は、電話、セルラネットワーク、又はインターネットネットワーク回線上で、ユーザデバイス１２０から音声インターフェースゲートウェイサーバ１２５に送られ得、電話呼中に記録され、音声記録がテキスト文字列に変換される間、音声インターフェースゲートウェイサーバ１２５によって一時的に記憶され得る。いくつかの例では、音声記録は、音声認識機能が少なくとも部分的にユーザデバイス１２０上で、及び／又は少なくとも部分的に音声インターフェースゲートウェイサーバ１２５上で実行される仮想パーソナルアシスタントへの要求又はステートメントであり得る。音声記録がユーザデバイス１２０及び／又は音声インターフェースゲートウェイサーバ１２５によってテキスト文字列に変換されると、テキスト文字列は、ユーザデバイス１２０及び／又は音声インターフェースゲートウェイサーバ１２５から、アカウント自動化サーバ１３０に送られる。次いで、アカウント自動化サーバ１３０は、受信された入力のインテントを決定するために、テキスト文字列を構文解析し得る。
【0022】
[0039]１つ以上のアカウント自動化サーバ１３０は、１つ以上のアカウント管理データ構造１４５から、及び／又は１つ以上のアカウント自動化データ構造１３５から、ユーザのアカウントに関する履歴情報を取得し得る。履歴情報は、このアカウントが関与する少なくとも１つのトランザクションを識別する。履歴情報は、異なるエンティティとのトランザクション（例えば、製品を購入するためのマーチャントとのトランザクション、サービスを受けるためのサービスプロバイダとのトランザクション、金融サービスのための銀行及び信用組合及び貸手等の金融機関とのトランザクション、並びに同様のものとのトランザクション）等の、ユーザ及び／又はアカウントが関与する様々なトランザクションを識別し得る。履歴情報は、例えば、人口統計学的データ、トランザクション履歴、信用履歴、アカウントのアカウント履歴、ユーザの特性、ユーザアカウントを使用して及び／又はユーザによって行われたアクション、並びに同様のものを含み得る。いくつかの例では、１つ以上のアカウント自動化サーバ１３０は、履歴情報をアカウント自動化データ構造１３５に記憶する。
【0023】
[0040]１つ以上のアカウント自動化サーバ１３０は、１つ以上の訓練された機械学習（ＭＬ）モデルを有するＭＬエンジンを含み得る。１つ以上のアカウント自動化サーバ１３０は、訓練データを使用して１つ以上のＭＬモデルを訓練するために、ＭＬエンジンを使用し得る。１つ以上のアカウント自動化サーバ１３０は、１つ以上の訓練されたＭＬモデルのうちの少なくとも１つに履歴情報を与える。１つ以上のアカウント自動化サーバ１３０は、少なくとも部分的に、１つ以上の訓練されたＭＬモデルに履歴情報を入力することによって、トランザクションについてのインテントを識別するために、１つ以上の訓練されたＭＬモデルを使用する。いくつかの例では、１つ以上のアカウント自動化サーバ１３０は、トランザクションについてのインテントをアカウント自動化データ構造１３５に記憶する。
【0024】
[0041]いくつかの例では、１つ以上のＭＬモデルのための訓練データは、履歴情報と、履歴情報において識別されたトランザクションについてのインテントと、を含み得る。訓練の検証段階中、１つ以上のアカウント自動化サーバ１３０は、履歴情報に基づいてトランザクションについての予測インテントを生成するために、１つ以上のＭＬモデルを使用し得、１つ以上のアカウント自動化サーバ１３０は、トランザクションについての予測インテントが、訓練データからのトランザクションについてのインテントに一致するか否かに基づいて、１つ以上のＭＬモデルを更新及び／又は更に訓練し得る。
【0025】
[0042]いくつかの例では、１つ以上のアカウント自動化サーバ１３０は、トランザクションについてのインテントに関する、ユーザに関連付けられたユーザデバイス１２０からのフィードバックを要求及び／又は受信する。１つ以上のアカウント自動化サーバ１３０は、ユーザに関連付けられたユーザデバイス１２０からのフィードバックに基づいて、１つ以上のＭＬモデルを更新及び／又は更に訓練し得る。例えば、フィードバックがポジティブである（例えば、１つ以上のＭＬモデルによって決定されたトランザクションについてのインテントが正確であることを確認する、示す、及び／又は示唆する）場合には、１つ以上のアカウント自動化サーバ１３０は、トランザクションについてのインテントの決定に寄与した１つ以上のＭＬモデル内の重み及び／又は接続を強化し得る。フィードバックがネガティブである（例えば、１つ以上のＭＬモデルによって決定されたトランザクションについてのインテントが不正確であることを示す及び／若しくは示唆する、並びに／又は、１つ以上のＭＬモデルによって決定されたトランザクションについてのインテントと矛盾する、トランザクションについての代替のインテントを示す及び／若しくは示唆する）場合には、１つ以上のアカウント自動化サーバ１３０は、トランザクションについてのインテントの決定に寄与した１つ以上のＭＬモデル内の重み及び／又は接続を、弱める、除去する、及び／又は置き換え得る。
【0026】
[0043]１つ以上のアカウント自動化サーバ１３０は、１つ以上の訓練されたＭＬモデルにトランザクションについてのインテントを与える。１つ以上のアカウント自動化サーバ１３０は、少なくとも部分的に、訓練されたＭＬモデルにトランザクションについてのインテントを入力することによって、推奨されるトランザクションを生成するために、訓練されたＭＬモデルを使用する。いくつかの例では、１つ以上のアカウント自動化サーバ１３０は、推奨されるトランザクションをアカウント自動化データ構造１３５に記憶する。
【0027】
[0044]いくつかの例では、１つ以上のＭＬモデルのための訓練データは、履歴情報、履歴情報において識別されたトランザクションについてのインテント、及び／又は履歴情報において識別されたトランザクションの後にユーザによって行われる第２のトランザクションを含み得る。第２のトランザクションは、履歴情報において識別されたトランザクションに、及び／又はインテントに関連し得る。訓練の検証段階中、１つ以上のアカウント自動化サーバ１３０は、インテントに基づいて、及び／又は、履歴情報に基づいて、推奨されるトランザクションを生成するために、１つ以上のＭＬモデルを使用し得、１つ以上のアカウント自動化サーバ１３０は、推奨されるトランザクションが、訓練データからの第２のトランザクションに一致するか否かに基づいて、１つ以上のＭＬモデルを更新及び／又は更に訓練し得る。いくつかの例では、１つ以上のアカウント自動化サーバ１３０は、トランザクションについてのインテントを識別するために、第１の訓練されたＭＬエンジンを使用し、推奨されるトランザクションを生成するために、第２の訓練されたＭＬエンジンを使用する。いくつかの例では、１つ以上のアカウント自動化サーバ１３０は、トランザクションについてのインテントを識別するためと、推奨されるトランザクションを生成するためとの両方に、第１の訓練されたＭＬエンジンを使用する。
【0028】
[0045]１つ以上のアカウント自動化サーバ１３０は、推奨されるトランザクションを出力する。いくつかの例では、１つ以上のアカウント自動化サーバ１３０は、ディスプレイを使用して推奨されるトランザクションを表示することによって、推奨されるトランザクションを出力する。いくつかの例では、１つ以上のアカウント自動化サーバ１３０は、通信トランシーバを使用してネットワーク上で、ユーザに関連付けられたユーザデバイス１２０に推奨されるトランザクションを送ることによって、推奨されるトランザクションを出力する。いくつかの例では、１つ以上のアカウント自動化サーバ１３０は、トランザクションを開始、処理、及び／又は完了することによって、推奨されるトランザクションを出力する。いくつかの例では、１つ以上のアカウント自動化サーバ１３０は、トランザクション処理システムがトランザクションを開始、処理、及び／又は完了することを要求するために、ネットワーク上でトランザクション処理システムと通信することによって、推奨されるトランザクションを出力する。
【0029】
[0046]１つ以上のアカウント自動化サーバ１３０は、推奨されるトランザクションに関する確認を受信する。いくつかの例では、確認は、推奨されるトランザクションを開始するための、ユーザに関連付けられたユーザデバイス１２０からの承認である。確認に応答して、１つ以上のアカウント自動化サーバ１３０は、トランザクションを開始、処理、及び／又は完了し得る。確認に応答して、１つ以上のアカウント自動化サーバ１３０は、トランザクション処理システムがトランザクションを開始、処理、及び／又は完了することを要求するために、トランザクション処理システムと通信し得る。いくつかの例では、確認は、トランザクションが開始された、処理された、及び／又は完了したことを確認する、トランザクション処理システム（又は１つ以上のアカウント自動化サーバ１３０の構成要素）から受信された確認である。１つ以上のアカウント自動化サーバ１３０は、例えば、ディスプレイを使用してメッセージを表示すること、及び／又は、ユーザに関連付けられたユーザデバイス１２０にメッセージを送ることによって、確認に基づいてメッセージを出力し得る。
【0030】
[0047]いくつかの例では、１つ以上のアカウント自動化サーバ１３０は、推奨されるトランザクションに関する、ユーザに関連付けられたユーザデバイス１２０からのフィードバックを要求及び／又は受信する。１つ以上のアカウント自動化サーバ１３０は、ユーザに関連付けられたユーザデバイス１２０からのフィードバックに基づいて、１つ以上のＭＬモデルを更新及び／又は更に訓練し得る。例えば、フィードバックがポジティブである（例えば、推奨されるトランザクションの承認及び／又は認可を確認する、示す、及び／又は示唆する）場合には、１つ以上のアカウント自動化サーバ１３０は、推奨されるトランザクションの生成に寄与した１つ以上のＭＬモデル内の重み及び／又は接続を強化し得る。フィードバックがネガティブである（例えば、推奨されるトランザクションの不承認、及び／又は、承認／認可の欠如を示す及び／又は示唆する）場合には、１つ以上のアカウント自動化サーバ１３０は、推奨されるトランザクションの生成に寄与した１つ以上のＭＬモデル内の重み及び／又は接続を、弱める、除去する、及び／又は置き換え得る。
【0031】
[0048]アカウント自動化サーバ１３０は、異なるユーザに関連付けられた異なるアカウント間のトランザクション及び／又はインタラクションを自動的に行うために、アカウント管理サーバ１４０及び／又はアカウント管理データ構造１４５を使用し得る。これらアカウントは、少なくとも、ユーザに関連付けられたアカウントと、第２のアカウントと、を含み得る。第２のアカウントは、例えば、第２のユーザ、マーチャント、サービスプロバイダ、金融機関、寄付者、寄付受取人、又は本明細書で説明される別のエンティティに関連付けられ得る。アカウント自動化サーバ１３０及び／又はアカウント管理サーバ１４０によって行われる異なるアカウント間のトランザクション及び／又はインタラクションは、推奨されるトランザクションに対応し得る。トランザクション及び／又はインタラクションは、自動的な資金の移動（transfer）、購入、又は寄付等の、１つ以上の資産の自動移動を含み得る。いくつかの例では、アカウント自動化サーバ１３０は、（例えば、履歴情報、トランザクションについてのインテント、及び／又は推奨されるトランザクション等の、アカウント管理サーバ１４０及び／又はアカウント管理データ構造１４５から受信された情報に基づいて）第１のユーザが第１のユーザ支払いアカウントを使用して第１の購入の一部として製品（商品又はサービス）を購入したことを識別する。アカウント自動化サーバ１３０は、第２のユーザ、マーチャント、サービスプロバイダ、金融機関、寄付者、寄付受取人、又は本明細書で説明される別のエンティティの第２のユーザ支払いアカウントを自動的に選択する。第２のユーザ支払いアカウントは、ユーザ支払いアカウント、マーチャントアカウント、寄付アカウント、及び同様のものであり得る。アカウント自動化サーバ１３０及び／又はアカウント管理サーバ１４０は、第２のユーザ支払いアカウントから第１のユーザ支払いアカウントへのある数量の１つ以上の資産（例えば、資金、株式、債券、ポイント、ストアクレジット（store credit）、ゲーム内クレジット、ギフトカードクレジット、暗号通貨、非代替性トークン（ＮＦＴ）、他のデジタル資産、等）の移動を自動的にトリガ、開始、処理、及び／又は完了し得、移動が開始された、処理された、完了した、及び／又は行われたことを示すインジケータをユーザデバイス１２０に通信し得る。
【0032】
[0049]いくつかの例では、アカウント自動化サーバ１３０及び／又はアカウント管理サーバ１４０は、追加のトランザクションに関する追加の履歴データを受信しながら、追加のトランザクションについてのインテントを決定しながら、及び／又は、追加のトランザクションに基づいて追加の推奨されるトランザクションを決定しながら、動的に及び／又はリアルタイムでトランザクションを処理し得る。いくつかの例では、アカウント自動化サーバ１３０及び／又はアカウント管理サーバ１４０は、追加のトランザクションに関する追加の履歴データを受信しながら、及び／又は、追加のトランザクションについてのインテントを決定しながら、動的に及び／又はリアルタイムでトランザクションに基づいて推奨されるトランザクションを決定し得る。いくつかの例では、アカウント自動化サーバ１３０及び／又はアカウント管理サーバ１４０は、追加のトランザクションに関する追加の履歴データを受信しながら、動的に及び／又はリアルタイムでトランザクションについてのインテントを決定し得る。場合によっては、ある特定のユーザ、ユーザデバイス１２０、及び／又はアカウントは、銀行、クレジットカード機関、デビットカード機関、金融機関、又は他の会社、組織、若しくは機関に関連付けられ得る。例えば、金融機関又は会社は、音声インターフェースゲートウェイサーバ１２５、アカウント自動化サーバ１３０、及び／又はアカウント管理サーバ１４０とインタラクトする、１つ以上のアカウント及び／又はユーザデバイス１２０を有し得る。
【0033】
[0050]音声インターフェースゲートウェイサーバ１２５、アカウント自動化サーバ１３０、及びアカウント管理サーバ１４０は、本明細書ではサーバと呼ばれる一方で、これらは、ラップトップコンピュータ、デスクトップコンピュータ、モバイルデバイス、端末、キオスク、モバイルハンドセット、スマートフォン、本明細書で説明されるその他任意のタイプのコンピューティングシステム１５００、又はこれらの組合せであり得ることを理解されたい。アカウント自動化データ構造１３５及びアカウント管理データ構造１４５は、データベース、テーブル、スプレッドシート、キー値ストア、辞書、リレーショナルモデル、アレイ、リスト、アレイリスト、ツリー、ハッシュグラフ（hashgraphs）、分散型台帳、ブロックチェーン台帳、分散型非巡回グラフ（ＧＡＤ：distributed acyclic graph）台帳、本明細書で説明される他のタイプのデータ構造、又はこれらの何らかの組合せ等の、任意のタイプのデータ構造であり得る。場合によっては、アカウント自動化データ構造１３５は、有効な要求データベースと呼ばれ得るか、又は「有効な要求」という句の後に、他のタイプのデータ構造のいずれかを付けて呼ばれ得る。同様に、アカウント管理データ構造１４５は、アカウント管理データベースと呼ばれ得るか、又は「アカウント管理」という句の後に、他のタイプのデータ構造のいずれかを付けて呼ばれ得る。
【0034】
[0051]図２は、インテントベースの推奨のためのシステムのシステムアーキテクチャを例示するブロック図２００である。システムは、ユーザフロントエンド２０２、エージェントバックエンド２１０、自動化エンジン２１６、履歴情報ソース２２８、クラウドコンピューティングエンジン２４４、ユーザ－エージェント通信エンジン２５０、ウェブサーバ（複数可）２０８、及び顧客関係管理（ＣＲＭ）エンジン２２６を含む。
【0035】
[0052]ユーザフロントエンド２０２は、ユーザデバイス１２０に自動化エンジン２１６へのアクセスを提供する。ユーザフロントエンド２０２は、ユーザデバイス１２０上で実行されているソフトウェアアプリケーション、プログラム、又はアプリに接続するソフトウェアアプリケーションインターフェース２０４を含む。ソフトウェアアプリケーションインターフェース２０４は、ユーザデバイス１２０上で実行されているソフトウェアアプリケーション、プログラム、又はアプリが、自動化エンジン２１６においてある特定のアクション、又は自動化エンジン２１６とのインタラクションをトリガするために呼び出し得る１つ以上のアプリケーションプログラミングインターフェース（ＡＰＩ）を含み得る。ユーザフロントエンド２０２は、ウェブサーバ（複数可）２０８によってホストされるウェブサイトにデータを提供し、及び／又はそこからデータを受信するウェブインターフェース２０６を含む。ユーザデバイス１２０は、例えば、ネットワークからデータを受信すること、及び、ユーザデバイス１２０においてページ又はインターフェースを提示すること、が可能なブラウザ又は別のソフトウェアアプリケーションを通じて、ウェブサイトにアクセスし得る。ウェブインターフェース２０６は、ユーザデバイス１２０及び／又はウェブサーバ（複数可）２０８が、自動化エンジン２１６においてある特定のアクション、又は自動化エンジン２１６とのインタラクションをトリガするために呼び出し得る１つ以上のアプリケーションプログラミングインターフェース（ＡＰＩ）を含み得る。いくつかの例では、ユーザデバイス１２０は、ソフトウェアアプリケーションインターフェース２０４を介して、及び／又は、ウェブインターフェース２０６を介して（例えば、ウェブサーバ（複数可）２０８によってホストされるウェブサイトを介して）、自動化エンジン２１６から情報を要求し得る。いくつかの例では、ユーザデバイス１２０は、ソフトウェアアプリケーションインターフェース２０４を介して、及び／又は、ウェブインターフェース２０６を介して（例えば、ウェブサーバ（複数可）２０８によってホストされるウェブサイトを介して）、自動化エンジン２１６に情報を提供し得る。いくつかの例では、ユーザフロントエンド２０２は、音声インターフェースゲートウェイサーバ（複数可）１２５を含み得る。
【0036】
[0053]エージェントバックエンド２１０は、エージェントデバイス２６０に自動化エンジン２１６へのアクセスを提供する。エージェントバックエンド２１０は、エージェントインターフェース２１２を含む。いくつかの例では、エージェントインターフェース２１２は、エージェントデバイス２６０上で実行されているソフトウェアアプリケーション、プログラム、又はアプリに接続する。エージェントインターフェース２１２は、エージェントデバイス２６０上で実行されているソフトウェアアプリケーション、プログラム、又はアプリが、自動化エンジン２１６においてある特定のアクション、又は自動化エンジン２１６とのインタラクションをトリガするために呼び出し得る１つ以上のアプリケーションプログラミングインターフェース（ＡＰＩ）を含み得る。エージェントバックエンド２１０は、ウェブサーバ（複数可）２０８によってホストされるウェブサイトにデータを提供し、及び／又はウェブサイトからデータを受信するウェブインターフェース（ウェブインターフェース２０６と同様）を含み得る。エージェントデバイス２６０は、例えば、ネットワークからデータを受信すること及びエージェントデバイス２６０においてページ又はインターフェースを提示することが可能なブラウザ又は別のソフトウェアアプリケーションを通じて、ウェブサイトにアクセスし得る。エージェントインターフェース２１２は、エージェントデバイス２６０及び／又はウェブサーバ（複数可）２０８が、自動化エンジン２１６においてある特定のアクション、又は自動化エンジン２１６とのインタラクションをトリガするために呼び出し得る１つ以上のアプリケーションプログラミングインターフェース（ＡＰＩ）を含み得る。いくつかの例では、エージェントデバイス２６０は、エージェントインターフェース２１２を介して、自動化エンジン２１６から情報を要求し得る。いくつかの例では、エージェントデバイス２６０は、エージェントインターフェース２１２を介して、自動化エンジン２１６に情報を提供し得る。いくつかの例では、エージェントバックエンド２１０は、音声インターフェースゲートウェイサーバ（複数可）１２５を含み得る。
【0037】
[0054]いくつかの例では、エージェントデバイス２６０は、直接的にか、又はユーザフロントエンド２０２、エージェントバックエンド２１０、自動化エンジン２１６、ウェブサーバ（複数可）２０８、若しくはこれらの組合せを通じてかのいずれかで、ユーザデバイス１２０と通信し得る。例えば、エージェントデバイス２６０を使用するエージェントは、ユーザデバイス１２０を使用するユーザと通信し得る。エージェントは、人間のオペレータ又は人工知能（ＡＩ）アシスタントであり得る。いくつかの例では、人間のオペレータ及びＡＩアシスタントは、例えば、異なる時間に、又はユーザデバイス１２０におけるユーザとの会話の異なる部分について、両方がエージェントデバイス２６０におけるエージェントとして機能し得る。いくつかの例では、ユーザは、ユーザデバイス１２０を介して、質問し得るか、又は要求を行い得、これは、エージェントが回答又は応答するために、エージェントデバイス２６０に送られ得る。いくつかの例では、エージェントが閾値時間期間内に回答又は応答しなかった場合、エージェントデバイス２６０における及び／又はエージェントバックエンド２１０におけるＡＩアシスタントが、予備回答／応答を用いて、及び／又は、ユーザデバイス１２０におけるユーザにエージェントが応答するのを待ってくださいということを要求するメッセージを用いて、応答を自動的に準備し得る。いくつかの例では、ＡＩアシスタントは、ＡＩアシスタントがそれ自体で回答及び／又は応答を供給することが可能である場合、例えば、ユーザの質問又は要求が、よくある質問のデータ構造又は頻出要求のデータ構造における質問又は要求とそれぞれ一致する場合、回答及び／又は応答を供給し得る。このようなデータ構造は、ユーザの質問又は要求に応答して、ＡＩアシスタントが行い得るか、若しくは（例えば、自動化エンジン２１６が行うために）開始し得るタスク、及び／又は、ＡＩアシスタントがユーザに応答し得る応答（又は応答のタイプ）を識別し得る。
【0038】
[0055]エージェントバックエンド２１０は、ＣＲＭエンジン２２６に結合された分析エンジン２１４を含む。ＣＲＭエンジン２２６は、直接的に又は自動化エンジン２１６を通じてのいずれかで、履歴情報ソース２２８からの情報を受信し得る。ＣＲＭエンジン２２６は、履歴情報ソース２２８からの情報を受信及び編成し得る。分析エンジン２１４は、ＣＲＭエンジン２２６からの情報を構文解析及び／又は正規化し得、ＣＲＭエンジン２２６からの情報に基づいて分析を生成し得る。分析は、例えば、分析エンジン２１４がＣＲＭエンジン２２６及び／又は履歴情報ソース２２８からの情報に基づいて識別するユーザの要求及び／又はトランザクションにおけるパターンに基づいて、いつユーザが要求を行い得るか又は製品若しくはサービスを購入し得るかについての傾向、プロジェクション（projection）、予測を含み得る。分析エンジン２１４は、例えば、エージェントインターフェース２１２を通じて、これらの分析をエージェントデバイス２６０に提供し得る。このようにして、そのエージェントデバイス２６０を通じてユーザデバイス１２０におけるユーザと通信するエージェントは、ユーザの質問に回答すること、ユーザの要求を満たすこと、ユーザのトランザクションを支援すること、推奨されるトランザクション及び／若しくはインテントの決定についてのユーザからのフィードバックを要求すること、又はこれらの組合せに役立てるためにエージェントにとって有用であり得る任意の情報を有し得る。
【0039】
[0056]自動化エンジン２１６は、ユーザデバイス１２０及び／又はユーザフロントエンド２０２を介してユーザによって要求された、エージェントデバイス２６０及び／又はエージェントバックエンド２１０を使用してエージェントによって要求された、又はこれらの組合せの、様々なタスクを自動化する。自動化エンジン２１６は、ユーザフロントエンド２０２を介して、ユーザデバイス１２０から情報を受信し、また、ユーザデバイス１０２に情報を提供する。自動化エンジン２１６は、エージェントバックエンド２１０を介して、エージェントデバイス２６０から情報を受信し、また、エージェントデバイス２６０に情報を提供する。自動化エンジン２１６は、ルールエンジン２１８、トランザクション分類器２２０、要求エンジン２２２、及びセキュリティエンジン２２４を含む。いくつかの例では、自動化エンジン２１６は、アカウント自動化サーバ（複数可）１３０、アカウント自動化データ構造（複数可）１３５、アカウント管理サーバ（複数可）１４０、アカウント管理データ構造（複数可）１４５、音声インターフェースゲートウェイサーバ（複数可）１２５、又はこれらの組合せを含み得る。
【0040】
[0057]自動化エンジン２１６は、履歴情報ソース２２８、ＣＲＭエンジン２２６、及び／又は分析エンジン２１４に結合される。自動化エンジン２１６は、履歴情報ソース２２８、ＣＲＭエンジン２２６、及び／又は分析エンジン２１４から情報を要求及び／又は受信し得る。履歴情報ソース２２８は、カード処理業者（card processors）２３０、カードプロデューサ２３８、アイデンティティ検証エンジン（identity verification engines）２３２、セキュリティ認証エンジン２４０、クレジット機関２３４、銀行業務機関２４２、投資機関２３６、金融機関、マーチャント、サービスプロバイダ、ギフトカードプロバイダ、オンライン市場、オンラインストア、実店舗、実店舗市場、本明細書で説明される他のデータソース、又はこれらの組合せを含む。履歴情報ソース２２８及び／又はＣＲＭエンジン２２６から、自動化エンジン２１６は、１つ以上の資産（例えば、ある数量の資金）が、ユーザに関連付けられたアカウントから（例えば、第２のユーザに、マーチャントに、サービスプロバイダに、クレジット機関に、銀行業務機関に、投資機関に、及び／又は別の金融機関に関連付けられた）別のアカウントに移動された１つ以上のトランザクションの履歴等の、ユーザ（ユーザデバイス１２０に対応する）に関する情報を受信し得る。履歴情報ソース２２８及び／又はＣＲＭエンジン２２６から、自動化エンジン２１６は、１つ以上の資産（例えば、ある数量の資金）が、（例えば、第２のユーザに、マーチャントに、サービスプロバイダに、クレジット機関に、銀行業務機関に、投資機関に、及び／又は別の金融機関に関連付けられた）別のアカウントからユーザに関連付けられたアカウントに移動された１つ以上のトランザクションの履歴等の、ユーザ（ユーザデバイス１２０に対応する）に関する情報を受信し得る。履歴情報ソース２２８及び／又はＣＲＭエンジン２２６から、自動化エンジン２１６は、人口統計学的データ８１０、心理学的データ８１５、行動学的データ８２０、地理学的データ８２５、他のカテゴリのデータ、又はこれらの組合せ等の、ユーザ（ユーザデバイス１２０に対応する）に関する情報を受信し得る。いくつかの例では、履歴情報ソース２２８の少なくともサブセットが、アカウント自動化データ構造（複数可）１３５、アカウント管理データ構造（複数可）１４５、若しくはこれらの組合せに記憶され得、及び／又はそれらに記憶されたデータを含み得る。いくつかの例では、履歴情報ソース２２８の少なくともサブセットが、自動化エンジン２１６及び／又はＣＲＭエンジン２２６に記憶され得る。
【0041】
[0058]自動化エンジン２１６は、クラウドコンピューティングエンジン２４４に結合される。クラウドコンピューティングエンジン２４４は、クラウドコンピューティングサーバ（複数可）２４６を含む。クラウドコンピューティングエンジン２４４は、自動化エンジン２１６のための計算集約的なタスクを行い得る。例えば、クラウドコンピューティングエンジン２４４は、機械学習（ＭＬ）エンジン２４８を含み得る。ＭＬエンジン２４８は、１つ以上のＭＬモデルを生成、訓練、実行、及び／又は使用し得る。１つ以上のＭＬモデルの例は、図３Ｂの動作３１０及び動作３１２の１つ以上の訓練されたＭＬモデル、図３Ｃの動作３２２～３２８の第１の訓練されたＭＬモデル、図３Ｃの動作３３０～３３４の第２の訓練されたＭＬモデル、図４及び図５Ａ～図５ＢのＭＬモデル４３５、エンゲージメントＡＩ／ＭＬエンジン６１２の１つ以上のＭＬモデル、ＡＩ／ＭＬエンジン６６０の１つ以上のＭＬモデル、図１４のニューラルネットワーク１４００、並びにこれらの組合せを含む。ＭＬエンジン２４８の例は、図３Ｂの動作３１０及び動作３１２の１つ以上の訓練された機械学習モデルに関連付けられたＭＬエンジン、図３Ｃの動作３２２～３２８の第１の訓練されたＭＬモデルに関連付けられたＭＬエンジン、図３Ｃの動作３３０～３３４の訓練されたＭＬモデルに関連付けられたＭＬエンジン、図４及び図５Ａ～図５ＢのＭＬエンジン４３０、エンゲージメントＡＩ／ＭＬエンジン６１２、ＡＩ／ＭＬエンジン６６０、ＡＩ／ＭＬエンジン９２５、図１４のニューラルネットワーク１４００、並びにこれらの組合せを含む。いくつかの例では、クラウドコンピューティングエンジン２４４の少なくともサブセットが、自動化エンジン２１６の一部として実行され得る。例えば、自動化エンジン２１６は、クラウドコンピューティングサーバ２４６、ＭＬエンジン２４８、及び／又は１つ以上のＭＬモデルの少なくともサブセットを含み得る。
【0042】
[0059]自動化エンジン２１６は、ユーザ－エージェント通信エンジン２５０に結合される。ユーザ－エージェント通信エンジン２５０は、ユーザデバイス１２０が、自動化エンジン２１６を通じて、及び／又はユーザ－エージェント通信エンジン２５０を通じて、及び／又はウェブサーバ（複数可）２０８を通じて、エージェントデバイス２６０と通信することを可能にする通信インフラストラクチャを含む。ユーザ－エージェント通信エンジン２５０は、音声ベースの通信エンジン２５２と、テキストベースの通信エンジン２５４と、を含む。音声ベースの通信エンジン２５２は、テレフォニ、ボイスオーバーインターネットプロトコル（ＶＯＩＰ）、遠隔会議、ビデオ会議、クラウドフォン、ウェビナ、ビデオ遠隔会議、又はこれらの組合せ等の音声ベースの通信を介して、ユーザデバイス１２０とエージェントデバイス２６０とを互いに接続し得る。いくつかの例では、音声ベースの通信エンジン２５２は、Zoom（登録商標）、Skype（登録商標）、Microsoft（登録商標） Teams（登録商標）、Cisco（登録商標） WebEx（登録商標）、Google（登録商標） Hangout（登録商標）、Google（登録商標） Duo（登録商標）、Google（登録商標） Voice（登録商標）、Google（登録商標） Meet（登録商標）、Apple（登録商標） Facetime（登録商標）、Viber（登録商標）、及び同様のもの等のサービスのためのＡＰＩを呼び出し得、そのためのプラグインを含み得、並びに／又はそのインスタンスを実行し得る。テキストベースの通信エンジン２５４は、テキストベースのメッセージングプラットフォームを介して、ユーザデバイス１２０とエージェントデバイス２６０とを互いに接続し得る。いくつかの例では、テキストベースの通信エンジン２５４は、ショートメッセージサービス（ＳＭＳ）、マルチメディアメッセージングサービス（ＭＭＳ）、リッチコミュニケーションサービス（ＲＣＳ）、Apple（登録商標） iMessage（登録商標）、Apple（登録商標） Business Chat（登録商標）、Google（登録商標） RCS for Business Messaging（登録商標）、Google（登録商標） Jibe（登録商標）、Google（登録商標） Hangout（登録商標）、Google（登録商標） Chat（登録商標）、Google（登録商標） Docs（登録商標） Chat（登録商標）、Google（登録商標） Talk（登録商標）、Facebook（登録商標） Messenger（登録商標）、Twitter（登録商標） Direct Messages、Instagram（登録商標） Direct Messages、WhatsApp（登録商標）、Slack（登録商標）、Slack（登録商標） Channels、Cisco（登録商標） Jabber（登録商標）、Microsoft（登録商標） Teams（登録商標） Chat、及び同様のもの等のサービスのためのＡＰＩを呼び出し得、そのためのプラグインを含み得、並びに／又はそのインスタンスを実行し得る。いくつかの例では、ユーザ－エージェント通信エンジン２５０は、音声テキスト化インタープリタエンジン、テキスト音声化シンセサイザ、又はこれらの組合せを含み得る。いくつかの例では、ユーザ－エージェント通信エンジン２５０は、音声インターフェースゲートウェイサーバ（複数可）１２５を含み得、及び／又はその一部であり得る。
【0043】
[0060]自動化エンジン２１６の要求エンジン２２２は、ユーザデバイス（複数可）１２０から及び／又はエージェントデバイス（複数可）２６０からの要求を受信、解釈、及び／又は処理する。いくつかの例では、要求は、例えば、推奨されるトランザクション又はインタラクションの要求を含み得る。要求を満たすために、自動化エンジン２１６は、履歴情報ソース（複数可）２２８及び／又はＣＲＭエンジン２２６から、当該ユーザに関連付けられた情報を検索し得る。例えば、自動化エンジン２１６は、ユーザ、ユーザのアカウント、及び／又はユーザに対応するユーザデバイス１２０に関連付けられたトランザクション履歴から、１つ以上のトランザクションを識別する履歴情報を検索し得る。自動化エンジン２１６は、トランザクション分類器２２０を使用して、トランザクションをカテゴリ又は分類に分類し得る。いくつかの例では、自動化エンジン２１６は、インテントを出力するように訓練された、ＭＬエンジン２４８の１つ以上のＭＬモデルに、履歴情報及び／又は分類（複数可）を入力することによって、トランザクションのうちの１つ以上についてのインテントを決定し得る。例示的な例では、自動化エンジン２１６は、ユーザが自動車製品又はサービス（例えば、モータオイル、ガソリン、フロントガラスワイパー、タイヤ、オイル交換、タイヤローテーション、洗車）を購入するトランザクションの背後にあるユーザのインテントが、このトランザクションが、ユーザが所有する、リースする、運転する、又は別様に操作するアクセス権を持つ車両のためのものであることであったと決定し得る。自動化エンジン２１６は、例えば、推奨されるトランザクションを出力するように訓練された、ＭＬエンジン２４８の１つ以上のＭＬモデルに、インテント及び／又は履歴情報を入力することによって、このインテントに基づいて、推奨されるトランザクションを生成し得る。推奨されるトランザクションは、履歴情報におけるトランザクションに基づき得、例えば、履歴情報におけるトランザクションに対して相補的であり、履歴情報におけるトランザクションのインテントを共有している。例えば、履歴情報がオイル交換サービスについての最近のトランザクションを含む場合、推奨されるトランザクションは、タイヤローテーションサービスのためのものであり得る。履歴情報が洗車のための最近のトランザクションを含む場合、推奨されるトランザクションは、車のワックスがけのためのものであり得る。
【0044】
[0061]別の例では、自動化エンジン２１６は、ユーザが住宅関連製品又はサービス（例えば、埋め込み型照明、床板、キャビネット、椅子、カーペットクリーニングサービス）を購入するトランザクションの背後にあるユーザのインテントが、このトランザクションが、ユーザが所有する、賃貸する、リースする、住んでいる、又は別様にアクセス権を持つ家屋、住宅、アパート、マンション、又は他の住居（residence）に対するものであることであったと決定し得る。自動化エンジン２１６は、このインテントに基づいて、推奨されるトランザクションを生成し得る。例えば、履歴情報が木製の床板のための最近のトランザクションを含む場合、推奨されるトランザクションは、木製の床板を補完する（complements）カーペットのためのものであり得る。履歴情報が芝刈り機のための最近のトランザクションを含む場合、推奨されるトランザクションは、雑草抜き機のためのものであり得る。
【0045】
[0062]別の例では、自動化エンジン２１６は、ユーザが特定のチャリティに寄付したトランザクションの背後にあるユーザのインテントが、チャリティが推進する大義のためのものであったと決定し得る。自動化エンジン２１６は、例えば、同様の大義を推進する別のチャリティへの寄付のための推奨されるトランザクションを提供することによって、このインテントに基づいて推奨されるトランザクションを生成し得る。
【0046】
[0063]このようにして、自動化エンジン２１６は、決定を生成し得る。自動化エンジン２１６による決定は、本明細書で説明されるように、トランザクションについてのインテント及び／又は推奨されるトランザクションを含み得る。自動化エンジン２１６による決定はまた、ユーザが、車を持っているかどうか、家を持っているかどうか、交際中であるかどうか、特定のチャリティに関心があるかどうか、特定の政治的所属を持っているかどうか、及び同様のことに関する決定も含み得る。いくつかの例では、自動化エンジン２１６は、ユーザフロントエンド２０２を介して、ユーザデバイス１２０にその決定を提供し得、また、ユーザフロントエンド２０２を介して、ユーザデバイス１２０から（例えば、ユーザから）その決定に関するフィードバック（例えば、承認又は不承認）を要求し得る。同様に、いくつかの例では、自動化エンジン２１６は、エージェントバックエンド２１０を介して、エージェントデバイス２６０にその決定を提供し得、また、エージェントバックエンド２１０を介して、エージェントデバイス２６０を使用するエージェントが、自動化エンジン２１６の決定に関するユーザデバイス１２０からの（ユーザからの）フィードバック（例えば、承認又は不承認）を要求する及び伝えることを要求し得る。例えば、自動化エンジン２１６は、エージェントデバイス２６０を使用するエージェントが、（例えば、ユーザがモータオイルを購入し、洗車の代金を支払っているので）ユーザが車を持っている可能性が高いと決定したことを示すメッセージを、エージェントデバイス２６０を使用するエージェントに送り得、この決定を検証するために、ユーザに質問する（例えば、「車を持っていますか？」）ようにエージェントに要求し得る。
【0047】
[0064]ルールエンジン２１８は、ある特定の要求を満たすために自動化エンジン２１６によって使用され得るルールを含み得る。ルールは、一般的なルール、並びに、ある特定のユーザに固有の個人化されたルールを含み得る。一般的なルールは、レストラン又はマーチャントが閉店している間は、それらのレストラン又はマーチャントにおけるトランザクションについての推奨を阻止する等、ある特定の時間においてある特定のタイプのトランザクションについての推奨を阻止するルールを含み得る。個人化されたルールは、地域的にユーザに対して個人化され得る。例えば、個人化されたルールは、ある特定のタイプの天気において、いくつかのタイプのトランザクションが推奨されるトランザクションとして使用されることを奨励する一方で、同じタイプの天気の間、他のタイプのトランザクションが推奨されるトランザクションとして使用されることを阻止又は禁止する、天気ルール１１１０を含み得る。例えば、自動化エンジン２１６が、ユーザがいる地域において、現在天気が激しい雨であることを識別した場合、天気ルール１１１０は、推奨されるトランザクションについて傘のためのトランザクションを奨励し得、一方、険しいハイキングコースのためのトランザクションを阻止又は禁止し得る。個人化されたルールはまた、ユーザの関心、選好、習慣、パターン、アカウント、及び同様のものに関するルールも含み得る。ルールエンジン２１８のルールタイプの例は、図１１のルールタイプ１１０５を含む。
【0048】
[0065]セキュリティエンジン２２４は、要求、トランザクション、ユーザアカウント、ユーザ識別子、クレジットカード情報、デビットカード情報、及び同様のものの真正性を検証し得る。場合によっては、セキュリティエンジン２２４は、ルールエンジン２１８におけるルールに基づいて真正性を検証し得る。例えば、ユーザアイデンティティが、信頼できる認証局に対してデジタル証明書を介して検証された場合、ユーザアイデンティティは、真正であることが検証され得る。同様に、セキュリティエンジン２２４は、真正でない又は不正な要求、トランザクション、ユーザアカウント、ユーザ識別子、クレジットカード情報、デビットカード情報、及び同様のものとしてフラグを立て得る。例えば、繰り返しの要求が、わずかに異なるカード情報、アドレス情報、パスワード、又は他の何らかの一片の情報を有して、同じデバイスから受信された場合、これは、総当たり攻撃（brute-force attack）が試みられたことを示唆し得、結果として生じる任意の要求又はトランザクションは、疑わしい、真正でない、及び／又は不正であるとして扱われ得る。
【0049】
[0066]図３Ａ～図３Ｃは、自動化されたアカウントインタラクションのためのプロセスを例示するフロー図３００Ａ～３００Ｃである。図３Ａ～図３Ｃのプロセスの各々は、アカウント管理システムによって行われ得る。図３Ａ～図３Ｃのアカウント管理システム（複数可）は、例えば、１つ以上のアカウント自動化サーバ１３０、１つ以上のアカウント管理サーバ１４０、１つ以上のアカウント自動化データ構造１３５、１つ以上のアカウント管理データ構造１４５、１つ以上の音声インターフェースゲートウェイサーバ１２５、ユーザデバイス１２０、ユーザフロントエンド２０２、ウェブサーバ（複数可）２０８、エージェントバックエンド２１０、自動化エンジン２１６、ＣＲＭエンジン２２６、履歴情報ソース２２８、クラウドコンピューティングエンジン２４４、ユーザ－エージェント通信エンジン２５０、ＭＬエンジン４３０、ユーザデバイス６０２、エージェントプラットフォーム６０６、履歴情報エンジン６１８、データ分析エンジン６５４、ＣＲＭエンジン６１４、インタラクションエンジン６６２、分析エンジン７０２、分類器７０４、質問サービス７１２、質問データ構造７１４、デバイス７１８、質問ゲートウェイＡＰＩ７２２、フィードバックデータ構造７２４、分析エンジン９１０、ＡＩ／ＭＬエンジン９２５、分析エンジン１００４、分類器１０１０、プロファイルデータ構造１０２４、ニューラルネットワーク１４００、コンピューティングシステム１５００、プロセッサ１５１０、又はこれらの組合せを含み得る。いくつかの例では、図３Ａ、図３Ｂ、及び図３Ｃのうちの少なくとも２つは、互いに同じアカウント管理システム（複数可）を使用し得る。いくつかの例では、図３Ａ、図３Ｂ、及び図３Ｃのうちの少なくとも２つは、互いに異なるアカウント管理システムを使用し得る。
【0050】
【0051】
[0068]動作３０２において、アカウント管理システムは、第１のユーザに対応する第１のアカウントに関連付けられた第１の履歴情報を受信するように構成され、かつ、それを受信し得る。第１の履歴情報は、第１のアカウントが関与するトランザクションを識別する。いくつかの例では、第１の履歴情報は、履歴情報ソース２２８、ＣＲＭエンジン２２６、履歴情報エンジン６１８、及び同様のものからの履歴情報を含み得る。第１の履歴情報の例は、履歴情報４０５、履歴情報ソース２２８からの履歴情報、ＣＲＭエンジン２２６からの履歴情報、履歴情報エンジン６１８からの履歴情報、又はこれらの組合せを含む。第１の履歴情報は、異なるエンティティとのトランザクション（例えば、製品を購入するためのマーチャントとのトランザクション、サービスを受けるためのサービスプロバイダとのトランザクション、金融サービスのための銀行及び信用組合及び貸手等の金融機関とのトランザクション、並びに同様のものとのトランザクション）等の、第１のユーザ及び／又は第１のアカウントが関与する様々なトランザクションを識別し得る。第１の履歴情報は、例えば、人口統計学的データ８１０、心理学的データ８１５、行動学的データ８２０、地理学的データ８２５、トランザクション履歴、信用履歴、アカウントのアカウント履歴、ユーザの特性、第１のユーザアカウントを使用して及び／若しくは第１のユーザによって行われたアクション、他のタイプの履歴情報、又はこれらの組合せを含み得る。
【0052】
[0069]動作３０４において、アカウント管理システムは、第１の履歴情報に基づいて、トランザクションについてのインテントを自動的に識別するように構成され、かつ、それを自動的に識別し得る。いくつかの例では、アカウント管理システムは、例えば、図３Ｂの動作３１０に関して説明されるように、図３Ｃの動作３２２～３２８のうちの少なくとも１つに関して説明されるように、図４に関して説明されるように、又はこれらの何らかの組合せで、１つ以上のＭＬモデルを使用して、第１の履歴情報に基づいて、トランザクションについてのインテントを識別する。
【0053】
[0070]動作３０６において、アカウント管理システムは、インテントに基づいて、推奨されるトランザクションを自動的に生成するように構成され、かつ、それを自動的に生成し得る。推奨されるトランザクションは、資金、株式、債券、ポイント、ストアクレジット、ゲーム内クレジット、ギフトカードクレジット、暗号通貨、非代替性トークン（ＮＦＴ）、他のデジタル資産、又はこれらの組合せ等の、１つ以上の資産の購入、レンタル、及び／又は移動を伴い得る。
【0054】
[0071]いくつかの例では、アカウント管理システムは、例えば、図３Ｂの動作３１２に関して説明されるように、図３Ｃの動作３３０～３３４のうちの少なくとも１つに関して説明されるように、図５Ａに関して説明されるように、又はこれらの何らかの組合せで、１つ以上のＭＬモデルを使用して、かつ、インテント及び／又は第１の履歴情報に基づいて、推奨されるトランザクションを生成する。
【0055】
[0072]動作３０８において、アカウント管理システムは、推奨されるトランザクションを自動的に行うように構成され、かつ、それを自動的に行い得る。動作３０８における推奨されるトランザクションの実行は、アカウント管理システムによるトランザクションの開始、処理、及び／又は完了を含み得る。動作３０８における推奨されるトランザクションの実行は、アカウント管理システムによって、トランザクション処理システムが推奨されるトランザクションを開始、処理、及び／又は完了することを要求するために、トランザクション処理システムに通信を送ることを含み得る。通信は、例えば、第１のユーザ、第１のアカウント、第１のアカウントからそこへと資金若しくは他の資産が移動される移動先アカウント（transferee account）、第１のアカウントへそこから資金若しくは他の資産が移動される移動元アカウント（transferor account）、購入若しくはレンタル若しくは別様にライセンス供与される商品若しくはサービス、又はこれらの組合せを識別する、トランザクションの詳細を含み得る。動作３０８における推奨されるトランザクションの実行は、例えば、図３Ｂのプロセスの動作３１４～３１８のうちの少なくとも１つ、図３Ｃのプロセスの動作３３６～３３８のうちの少なくとも１つ、又はこれらの組合せを含み得る。
【0056】
[0073]動作３０８のように、推奨されるトランザクションの実行は、自動的な資金の移動、購入、又は寄付等の、１つ以上の資産の自動移動を含み得る。推奨されるトランザクションに基づいて、アカウント管理システムは、第２のユーザ、マーチャント、サービスプロバイダ、金融機関、寄付者、寄付受取人、又は本明細書で説明される別のエンティティの第２のアカウントを自動的に選択する。アカウント管理システムは、第２のアカウントと第１のアカウントとの間で、ある数量の１つ以上の資産（例えば、資金、株式、債券、ポイント、ストアクレジット、ゲーム内クレジット、ギフトカードクレジット、暗号通貨、非代替性トークン（ＮＦＴ）、他のデジタル資産、等）の移動を自動的にトリガし得、移動が行われたことを示すインジケータを通信し得る。
【0057】
[0074]いくつかの例では、図３Ａのフロー図３００Ａに例示されるプロセスは、トランザクションを推奨する代わりに、又はそれに加えて、オファーを推奨するために使用され得る。オファーは、オファーされたトランザクションを指し得る。オファーはまた、割引、プロモーション、クーポン、及び／又はトランザクションに関連付けられたプロモーションを指し得る。いくつかの例では、図３Ａのフロー図３００Ａに例示されるプロセスは、例えば、図５Ｂ及び図１３に関して説明されるように、トランザクションを推奨する代わりに、又はそれに加えて、（例えば、ソーシャルメディアプラットフォーム、金融プラットフォーム、フォーラム、又は他のコミュニティプラットフォーム上の）オンラインコミュニティ等の、他の要素を推奨するために使用され得る。図３Ａの図及び説明におけるトランザクション（推奨される又はその他）への言及は、オファー及び／又はコミュニティも指し得ることを理解されたい。例えば、システムは、指定されたトランザクション（複数可）及び／又はオファー（複数可）及び／又はコミュニティ（複数可）の背後にあるインテントを決定するために、（例えば、アカウントが関与するトランザクション、アカウントが関与するオファー、及び／又は、アカウントが加入したか、若しくは別様にインタラクトしたコミュニティに関する）履歴情報を使用し得、推奨されるトランザクション及び／又はオファー及び／又はコミュニティを生成及び実行し得る。
【0058】
[0075]図３Ｂは、１つ以上の訓練された機械学習モデルを使用する自動化されたアカウントインタラクションのためのプロセスを例示するフロー図３００Ｂである。図３Ｂのプロセスは、上述したように、アカウント管理システムによって行われ得る。
【0059】
[0076]図３Ａのプロセスに関して前述した動作３０２もまた、図３Ｂのプロセスの一部である。動作３０２において、アカウント管理システムは、第１のユーザに対応する第１のアカウントに関連付けられた第１の履歴情報を受信するように構成され、かつ、それを受信し得る。第１の履歴情報は、第１のアカウントが関与するトランザクションを識別する。第１の履歴情報は、図３Ａのプロセス内の動作３０２に関して説明された履歴情報のタイプのいずれかを含み得る。
【0060】
[0077]動作３１０において、アカウント管理システムは、少なくとも部分的に、１つ以上の訓練された機械学習モデルに履歴情報を入力することによって、トランザクションについてのインテントを識別するために、１つ以上の訓練された機械学習モデルを使用するように構成され、かつ、それを使用し得る。１つ以上のＭＬモデルの例は、図３Ｃの動作３２２～３２８のうちの少なくとも１つの第１の訓練されたＭＬモデル、図３Ｃの動作３３０～３３４のうちの少なくとも１つの第２の訓練されたＭＬモデル、図４及び図５Ａ～図５Ｂのうちの少なくとも１つのＭＬモデル４３５、エンゲージメントＡＩ／ＭＬエンジン６１２の１つ以上のＭＬモデル、ＡＩ／ＭＬエンジン６６０の１つ以上のＭＬモデル、図１４のニューラルネットワーク１４００、及びこれらの組合せを含む。動作３１０のように、トランザクションについてのインテントを決定するための１つ以上の訓練されたＭＬモデルの使用の例示的な例が、図４に例示されており、ここで、１つ以上のＭＬモデル４３５は、履歴情報４０５に基づいて、第１のトランザクション４１５についての予測インテント４６０を決定する。
【0061】
[0078]いくつかの例では、１つ以上のＭＬモデルのための訓練データは、履歴情報と、履歴情報において識別されたトランザクションについてのインテントと、を含み得る。訓練の検証段階中、アカウント管理システムは、履歴情報に基づいてトランザクションについての予測インテントを生成するために、１つ以上のＭＬモデルを使用し得、アカウント管理システムシステムは、トランザクションについての予測インテントが、訓練データからのトランザクションについてのインテントに一致するか否かに基づいて、１つ以上のＭＬモデルを更新及び／又は更に訓練し得る。
【0062】
[0079]いくつかの例では、アカウント管理システムは、トランザクションについてのインテントに関するユーザからのフィードバックを要求及び／又は受信し、フィードバックに基づいて、１つ以上のＭＬモデルを更新及び／又は更に訓練する。
【0063】
[0080]動作３１２において、アカウント管理システムは、少なくとも部分的に、１つ以上の訓練された機械学習モデルにトランザクションについてのインテントを入力することによって、推奨されるトランザクションを生成するために、１つ以上の訓練された機械学習モデルを使用するように構成され、かつ、それを使用し得る。動作３１２のように、推奨されるトランザクションを生成するための１つ以上の訓練されたＭＬモデルの使用の例示的な例が、図５Ａに例示されており、ここで、１つ以上のＭＬモデル４３５は、インテント５０５及び／又は履歴情報４０５に基づいて、推奨されるトランザクション５２５を生成する。
【0064】
[0081]いくつかの例では、１つ以上のＭＬモデルのための訓練データは、履歴情報、履歴情報において識別されたトランザクションについてのインテント、及び／又は履歴情報において識別されたトランザクションの後にユーザによって行われる第２のトランザクションを含み得る。第２のトランザクションは、履歴情報において識別されたトランザクションに、及び／又はインテントに関連し得る。訓練の検証段階中、アカウント管理システムは、インテントに基づいて、及び／又は、履歴情報に基づいて、推奨されるトランザクションを生成するために、１つ以上のＭＬモデルを使用し得、アカウント管理システムは、推奨されるトランザクションが、訓練データからの第２のトランザクションに一致するか否かに基づいて、１つ以上のＭＬモデルを更新及び／又は更に訓練し得る。
【0065】
[0082]いくつかの例では、アカウント管理システムは、トランザクションについてのインテントを識別するために、第１の訓練されたＭＬエンジンを使用し、推奨されるトランザクションを生成するために、第２の訓練されたＭＬエンジンを使用する。いくつかの例では、アカウント管理システムは、トランザクションについてのインテントを識別するためと、推奨されるトランザクションを生成するためとの両方に、第１の訓練されたＭＬエンジンを使用する。
【0066】
[0083]例示的な例では、推奨されるトランザクションを出力することは、第１のユーザに関連付けられたユーザデバイスに、推奨されるトランザクションを識別するメッセージを送ることを含み、推奨されるトランザクションに関する確認を受信することは、第１のユーザに関連付けられたユーザデバイスから、推奨されるトランザクションを開始するための承認を受信することを含む。
【0067】
[0084]別の例示的な例では、推奨されるトランザクションを出力することは、第１のユーザに代わって推奨されるトランザクションの実行を自動的に開始することを含み、推奨されるトランザクションに関する確認を受信することは、推奨されるトランザクションが処理されたことを示すトランザクション完了確認を受信することを含む。
【0068】
[0085]いくつかの例では、推奨されるトランザクションを生成することは、与信枠についての第１のユーザの適格性を決定することを含む。いくつかの態様では、推奨されるトランザクションは、適格性に基づいて、第１のユーザのために与信枠を開設することの推奨を含む。
【0069】
[0086]いくつかの例では、推奨されるトランザクションは、サービスプロバイダとの約束又は予約のうちの少なくとも１つを行うことの推奨を含む。いくつかの例では、推奨されるトランザクションは、マーチャントからの（例えば、１つ以上の商品及び／又は１つ以上のサービスの）購入についての推奨を含む。
【0070】
[0087]いくつかの例では、アカウント管理システムは、第１のユーザに関連付けられたスケジュール情報を受信するように構成され、かつ、それを受信し得る。例えば、アカウント管理システムは、カレンダー、やることリスト、スケジュール、旅程、電子メール、テキストベースのメッセージ、電話呼、ビデオ通話、メモのセット、又はこれらの組合せから、スケジュール情報を受信し得る。アカウント管理システムがそこからスケジュール情報を受信し得るこれらのソースの各々は、ユーザに関連付けられたユーザデバイス上にローカルに記憶され得るか、（例えば、クラウドサービスに関連付けられた）サーバ上にリモートで記憶され得るか、又はこれらの組合せであり得る。いくつかの態様では、アカウント管理システムは、スケジュール情報に基づいて、スケジュールされたイベントを識別し、推奨されるトランザクションがスケジュールされたイベントに関連付けられるように、推奨されるトランザクションを生成する。例えば、スケジュールされたイベントは、第１のユーザの誕生日であり得、推奨されるトランザクションは、第１のユーザが定期的に自分自身へのご褒美を与えることを好む、ご褒美のためのものであり得る。スケジュールされたイベントは、第１のユーザが交際中である第２のユーザの誕生日であり得、推奨されるトランザクションは、第１のユーザと第２のユーザとの豪華なディナーのためのものであり得る。スケジュールされたイベントは、医者の約束であり得、推奨されるトランザクションは、医者からの処方箋のためのものであり得る。
【0071】
[0088]いくつかの例では、アカウント管理システムは、トランザクションについてのインテントに基づいて、及び／又は、追加のトランザクションについて決定された追加のインテントに基づいて、ユーザに関連付けられたプロファイルを生成するように構成され、かつ、それを生成し得る。プロファイルの各々は、トランザクションの異なるカテゴリのセットのうちのトランザクションのカテゴリに関するユーザの１つ以上の選好を識別する。プロファイルの例は、例えば、嗜好プロファイル７０６、スタイルプロファイル７０８、娯楽プロファイル７１０、場所プロファイル１０１８、趣味プロファイル１０２０、交通手段プロファイル１０２２、及び同様のものを含む。アカウント管理システムは、１つ以上の訓練された機械学習モデルにプロファイルのうちの少なくとも１つを入力することによって、動作３１２において、１つ以上の訓練された機械学習モデルにトランザクションについてのインテントを入力し得る。
【0072】
[0089]動作３１４において、アカウント管理システムは、推奨されるトランザクションを出力するように構成され、かつ、それを出力し得る。いくつかの例では、アカウント管理システムは、ディスプレイを使用して推奨されるトランザクションを表示することによって、推奨されるトランザクションを出力する。いくつかの例では、アカウント管理システムは、アカウント管理システムの通信トランシーバを介して、ユーザに関連付けられたユーザデバイスに推奨されるトランザクションを送ることによって、推奨されるトランザクションを出力する。いくつかの例では、アカウント管理システムは、トランザクションを開始、処理、及び／又は完了することによって、推奨されるトランザクションを出力する。いくつかの例では、アカウント管理システムは、第２のシステムがトランザクションを開始、処理、及び／又は完了することを要求するために、第２のシステムと通信することによって、推奨されるトランザクションを出力する。
【0073】
[0090]動作３１６において、アカウント管理システムは、推奨されるトランザクションに関する確認を受信するように構成され、かつ、それを受信し得る。いくつかの例では、確認は、推奨されるトランザクションを開始するための、ユーザからの承認である。確認に応答して、アカウント管理システムは、トランザクションを開始、処理、及び／又は完了し得る。確認に応答して、アカウント管理システムは、第２のシステムがトランザクションを開始、処理、及び／又は完了することを要求するために、第２のシステムと通信し得る。いくつかの例では、確認は、トランザクションが開始された、処理された、及び／又は完了したことを確認する、第２のシステム（又はアカウント管理システムの構成要素）から受信された確認である。アカウント管理システムは、例えば、ディスプレイを使用してメッセージを表示すること、及び／又は、ユーザに関連付けられたユーザデバイスにメッセージを送ることによって、確認に基づいてメッセージを出力し得る。
【0074】
[0091]動作３１８において、アカウント管理システムは、確認に基づいて、１つ以上の追加のインテント及び１つ以上の追加の推奨されるトランザクションを識別する際に使用するための１つ以上の機械学習モデルを更新するために、インテント及び推奨されるトランザクションを使用するように構成され、かつ、それらを使用し得る。いくつかの例では、アカウント管理システムは、インテント及び／又は推奨されるトランザクションに関するユーザからのフィードバックを要求及び／又は受信し、フィードバックに基づいて、１つ以上のＭＬモデルを更新及び／又は更に訓練する。例えば、フィードバックがポジティブである場合には、ＭＬモデルに対する更新は、トランザクションについてのインテントの決定に寄与した、及び／又は、推奨されるトランザクションの生成に寄与した１つ以上のＭＬモデル内の重み及び／又は接続を強化し得る。フィードバックがネガティブである場合には、更新は、トランザクションについてのインテントの決定に寄与した、及び／又は、推奨されるトランザクションの生成に寄与した１つ以上のＭＬモデル内の重み及び／又は接続を、弱める、除去する、及び／又は置き換え得る。アカウント管理システムがフィードバックを要求することは、アカウント管理システムが、第１のユーザに関連付けられたユーザデバイスに、フィードバックを要求するクエリを送信することを含み得る。
【0075】
[0092]例示的な例では、アカウント管理システムは、第１のユーザに関連付けられたユーザデバイスからフィードバックを受信するように構成され、かつ、それを受信し得る。フィードバックは、トランザクションについての及び／又は推奨されるトランザクションについてのインテントに関連付けられ得る。アカウント管理システムは、少なくとも部分的に、１つ以上の訓練された機械学習モデルのための訓練データとしてフィードバックを使用することによって、１つ以上の訓練された機械学習モデルを更新するように構成され、かつ、それを更新し得る。
【0076】
[0093]いくつかの例では、アカウント管理システムは、確認の受信に応答して、第１のユーザに代わって推奨されるトランザクションの実行を自動的に開始するように構成され、かつ、それを自動的に開始し得る。いくつかの例では、アカウント管理システムは、推奨されるトランザクションの実行に応答して、トランザクション完了確認を自動的に出力するように構成され、かつ、それを自動的に出力し得る。
【0077】
[0094]いくつかの例では、アカウント管理システムは、第２のアカウントに関連付けられた第２の履歴情報を受信するように構成され、かつ、それを受信し得る。トランザクションについてのインテントを識別することは、第１のアカウントと第２のアカウントとの間のつながりを識別することを含む。トランザクションについてのインテントを識別することはまた、第２の履歴情報に基づく。いくつかの例では、推奨されるトランザクションは、１つ以上の資産を第１のアカウントから第２のアカウントに移動することの推奨を含む。いくつかの例では、推奨されるトランザクションは、１つ以上の資産を第２のアカウントから第１のアカウントに移動することの推奨を含む。いくつかの例では、第２のアカウントは、マーチャントに関連付けられている。いくつかの例では、第２のアカウントは、第２のユーザに関連付けられている。いくつかの例では、推奨されるトランザクションは、第２のユーザに関連付けられた製品及びサービスのうちの少なくとも１つに対するものである。いくつかの例では、推奨は、第２のユーザへの贈物に対するものである。いくつかの例では、第１のアカウントと第２のアカウントとの間のつながりは、第１のユーザと第２のユーザとの間の関係に対応する。
【0078】
[0095]いくつかの例では、トランザクションについてのインテントを識別することは、第１のユーザが車両への操作上のアクセス権を持つことを識別することを含む。例えば、トランザクションは、車両に関連付けられた製品及び／又はサービスに対するものであり得る。いくつかの態様では、推奨されるトランザクションは、車両に関連付けられた第２の製品及び／又は第２のサービスに対するものである。
【0079】
[0096]いくつかの例では、トランザクションについてのインテントを識別することは、第１のユーザが住居に住んでいることを識別することを含む。例えば、トランザクションは、住居に関連付けられた製品及び／又はサービスに対するものであり得る。いくつかの態様では、推奨されるトランザクションは、住居に関連付けられた第２の製品及び／又は第２のサービスに対するものである。
【0080】
[0097]いくつかの例では、トランザクションについてのインテントを識別することは、第１のユーザが職業に就いていることを識別することを含む。例えば、トランザクションは、職業に関連付けられた製品及び／又はサービスに対するものであり得る。いくつかの態様では、推奨されるトランザクションは、職業に関連付けられた第２の製品及び／又は第２のサービスに対するものである。
【0081】
[0098]いくつかの例では、トランザクションについてのインテントを識別することは、第１のユーザが第２のユーザと関係があることを識別することを含む。例えば、トランザクションは、第２のユーザに関連付けられた製品及び／又はサービスに対するものであり得る。いくつかの態様では、推奨されるトランザクションは、第２のユーザに関連付けられた第２の製品及び／又は第２のサービスに対するものである。
【0082】
[0099]いくつかの例では、アカウント管理システムは、第１のアカウントに関連付けられた追加情報を受信することと、追加情報に基づいてトランザクションについてのインテントを更新するために、１つ以上の訓練された機械学習モデルを使用することと、を行うように構成され、かつ、それらを行い得る。いくつかの例では、インテントを更新することに応答して、アカウント管理システムは、インテントに基づいて推奨されるトランザクションを更新するために、１つ以上の訓練された機械学習モデルを使用するように構成され、かつ、それを使用し得る。いくつかの例では、アカウント管理システムは、第１のアカウントに関連付けられた追加情報を受信することと、追加情報に基づいて推奨されるトランザクションを更新するために、１つ以上の訓練された機械学習モデルを使用することと、を行うように構成され、かつ、それらを行い得る。
【0083】
[00100]いくつかの例では、アカウント管理システムは、第１のユーザに関連付けられた質問を受信することと、トランザクションについてのインテントに基づいて、質問に対する回答を決定することと、質問に対する回答を出力することと、を行うように構成され、かつ、それらを行い得る。いくつかの例では、アカウント管理システムは、第１のユーザに関連付けられた質問を受信することと、推奨されるトランザクションに基づいて、質問に対する回答を決定することと、質問に対する回答を出力することと、を行うように構成され、かつ、それらを行い得る。
【0084】
[00101]いくつかの例では、アカウント管理システムは、第１のユーザがトランザクションについてのインテントに基づく特性によって特徴付けられることを識別するように構成され、かつ、そのことを識別し得る。動作３１２のように、推奨されるトランザクションを生成するための１つ以上の訓練された機械学習モデルの使用は、１つ以上の訓練された機械学習モデルに特性を入力することを含み得る。特性の例は、車等の車両に対する所有権、レンタル、又は操作上のアクセス権を含み得る。特性の例は、住宅又は家屋に対する所有権、賃貸、居住、又はアクセス権を含み得る。特性の例は、結婚又はパートナーシップ等の、ユーザと第２のユーザとの間の関係を含み得る。
【0085】
[00102]いくつかの例では、図３Ｂのフロー図３００Ｂに例示されるプロセスは、トランザクションを推奨する代わりに、又はそれに加えて、オファーを推奨するために使用され得る。オファーは、オファーされたトランザクションを指し得る。オファーはまた、割引、プロモーション、クーポン、及び／又はトランザクションに関連付けられたプロモーションを指し得る。いくつかの例では、図３Ｂのフロー図３００Ｂに例示されるプロセスは、例えば、図５Ｂ及び図１３に関して説明されるように、トランザクションを推奨する代わりに、又はそれに加えて、（例えば、ソーシャルメディアプラットフォーム、金融プラットフォーム、フォーラム、又は他のコミュニティプラットフォーム上の）オンラインコミュニティ等の、他の要素を推奨するために使用され得る。図３Ｂの図及び説明におけるトランザクション（推奨される又はその他）への言及は、オファー及び／又はコミュニティも指し得ることを理解されたい。例えば、システムは、指定されたトランザクション（複数可）及び／又はオファー（複数可）及び／又はコミュニティ（複数可）の背後にあるインテントを（１つ以上の訓練されたＭＬモデル（複数可）を使用して）決定するために、（例えば、アカウントが関与するトランザクション、アカウントが関与するオファー、及び／又は、アカウントが加入したか、若しくは別様にインタラクトしたコミュニティに関する）履歴情報を使用し得、（１つ以上の訓練されたＭＬモデル（複数可）を使用して）推奨されるトランザクション及び／又はオファー及び／又はコミュニティを生成及び実行し得る。
【0086】
[00103]図３Ｃは、複数の訓練された機械学習モデルを使用する自動化されたアカウントインタラクションのためのプロセスを例示するフロー図３００Ｃである。図３Ｃのプロセスは、上述したように、アカウント管理システムによって行われ得る。
【0087】
[00104]図３Ａ～図３Ｂのプロセスに関して前述した動作３０２もまた、図３Ｃのプロセスの一部である。動作３０２において、アカウント管理システムは、第１のユーザに対応する第１のアカウントに関連付けられた第１の履歴情報を受信するように構成され、かつ、それを受信し得る。第１の履歴情報は、第１のアカウントが関与するトランザクションを識別する。
【0088】
[00105]動作３２０において、アカウント管理システムは、訓練データ及び機械学習エンジンを使用して、１つ以上の機械学習モデルを訓練するように構成され、かつ、それを訓練し得る。１つ以上の機械学習モデルを訓練することは、（例えば、図４のように）動作３２２～３２８の第１の訓練されたＭＬモデルを訓練すること、及び／又は、（例えば、図５Ａ～図５Ｂのように）動作３３０～３３４の第２の訓練されたＭＬモデルを訓練することを含み得る。１つ以上の機械学習モデルを訓練することは、（例えば、訓練データ４４０及び／又は訓練データ５４０を使用する）訓練段階及び（例えば、検証４４５及び／又は検証５４５のように）検証段階を含み得る。
【0089】
[00106]動作３２２において、アカウント管理システムは、機械学習エンジンの第１の機械学習モデルに履歴情報を入力するように構成され、かつ、それを入力し得る。動作３２６において、アカウント管理システムは、第２のアカウントに関連付けられた（例えば、第２のユーザに、マーチャントに、等に関連付けられた）第２の履歴情報を受信することと、第１の機械学習モデルに第２の履歴情報を入力することと、を行うように構成され、かつ、それらを行い得る。動作３２４において、アカウント管理システムは、トランザクションについてのインテントを識別するために、第１の機械学習モデルを使用するように構成され、かつ、それを使用し得る。いくつかの例では、図３Ｂのプロセスの動作３１０は、動作３２２、動作３２６、及び／又は動作３２４を含み得る。
【0090】
[00107]動作３２８において、アカウント管理システムは、第１のユーザに関連付けられたユーザデバイスからインテントに関する第１のフィードバックを受信することと、第１のフィードバックに基づいて、第１の機械学習モデルを更に訓練することと、を行うように構成され、かつ、それらを行い得る。いくつかの例では、図３Ｂのプロセスの動作３１０は、動作３２８を含み得る。いくつかの例では、図３Ｂのプロセスの動作３１８は、動作３２８を含み得る。
【0091】
[00108]動作３３０において、アカウント管理システムは、機械学習エンジンの第２の機械学習モデルにインテント及び／又は履歴情報を入力するように構成され、かつ、それを入力し得る。動作３２６において、アカウント管理システムは、第２のアカウントに関連付けられた（例えば、第２のユーザに、マーチャントに、等に関連付けられた）第２の履歴情報を受信することと、第２の機械学習モデルに第２の履歴情報を入力することと、を行うように構成され、かつ、それらを行い得る。動作３３２において、アカウント管理システムは、インテントに対応する推奨されるトランザクションを自動的に生成するために、第２の機械学習モデルを使用するように構成され、かつ、それを使用し得る。いくつかの例では、図３Ｂのプロセスの動作３１２は、動作３３０、動作３２６、及び／又は動作３３２を含み得る。
【0092】
[00109]動作３３４において、アカウント管理システムは、第１のユーザに関連付けられたユーザデバイスから推奨されるトランザクションに関する第２のフィードバックを受信することと、第２のフィードバックに基づいて、第２の機械学習モデルを更に訓練することと、を行うように構成され、かつ、それらを行い得る。いくつかの例では、図３Ｂのプロセスの動作３１２は、動作３３４を含み得る。いくつかの例では、図３Ｂのプロセスの動作３１８は、動作３３４を含み得る。
【0093】
[00110]動作３３６において、アカウント管理システムは、推奨されるトランザクションを自動的に開始及び／又は処理するように構成され、かつ、それを自動的に開始及び／又は処理し得る。いくつかの例では、図３Ｂのプロセスの動作３１４の推奨されるトランザクションを出力することは、動作３３６を含む。
【0094】
[00111]動作３３８において、アカウント管理システムは、第１のユーザに関連付けられたユーザデバイスに、推奨されるトランザクションが開始された、処理された、及び／又は完了したことを確認する確認を自動的に送るように構成され、かつ、それを自動的に送り得る。
【0095】
[00112]いくつかの例では、図３Ｃのフロー図３００Ｃに例示されるプロセスは、トランザクションを推奨する代わりに、又はそれに加えて、オファーを推奨するために使用され得る。オファーは、オファーされたトランザクションを指し得る。オファーはまた、割引、プロモーション、クーポン、及び／又はトランザクションに関連付けられたプロモーションを指し得る。いくつかの例では、図３Ｃのフロー図３００Ｃに例示されるプロセスは、例えば、図５Ｂ及び図１３に関して説明されるように、トランザクションを推奨する代わりに、又はそれに加えて、（例えば、ソーシャルメディアプラットフォーム、金融プラットフォーム、フォーラム、又は他のコミュニティプラットフォーム上の）オンラインコミュニティ等、他の要素を推奨するために使用され得る。図３Ｃの図及び説明におけるトランザクション（推奨される又はその他）への言及は、オファー及び／又はコミュニティも指し得ることを理解されたい。例えば、システムは、指定されたトランザクション（複数可）及び／又はオファー（複数可）及び／又はコミュニティ（複数可）の背後にあるインテントを（１つ以上の訓練されたＭＬモデル（複数可）を使用して）決定するために、（例えば、アカウントが関与するトランザクション、アカウントが関与するオファー、及び／又は、アカウントが加入したか、若しくは別様にインタラクトしたコミュニティに関する）履歴情報を使用し得、（１つ以上の訓練されたＭＬモデル（複数可）を使用して）推奨されるトランザクション及び／又はオファー及び／又はコミュニティを生成及び実行し得、１つ以上の訓練されたＭＬモデル（複数可）を更新及び／又は訓練し得る。
【0096】
[00113]図４は、ユーザ４１０に関連付けられた履歴情報４０５に基づいて、第１のトランザクション４１５についての予測インテント４６０を決定するために、機械学習エンジン４３０の１つ以上の機械学習モデル４３５を使用することを例示するブロック図４００である。ＭＬエンジン４３０の例は、ＭＬエンジン２４８、図３Ｂの動作３１０及び／又は動作３１２の１つ以上の訓練された機械学習モデルに関連付けられたＭＬエンジン、図３Ｃの動作３２２～３２８のうちの少なくとも１つの第１の訓練されたＭＬモデルに関連付けられたＭＬエンジン、図３Ｃの動作３３０～３３４のうちの少なくとも１つの訓練されたＭＬモデルに関連付けられたＭＬエンジン、エンゲージメントＡＩ／ＭＬエンジン６１２、ＡＩ／ＭＬエンジン６６０、ＡＩ／ＭＬエンジン９２５、図１４のニューラルネットワーク１４００、並びにこれらの組合せを含む。
【0097】
[00114]ＭＬエンジン４３０は、１つ以上のＭＬモデル４３５を生成、訓練、及び使用する。１つ以上のＭＬモデル４３５の例は、ＭＬエンジン２４８の１つ以上のＭＬモデル、図３Ｂの動作３１０及び／又は動作３１２の１つ以上の訓練されたＭＬモデル、図３Ｃの動作３２２～３２８のうちの少なくとも１つの第１の訓練されたＭＬモデル、図３Ｃの動作３３０～３３４のうちの少なくとも１つの第２の訓練されたＭＬモデル、エンゲージメントＡＩ／ＭＬエンジン６１２の１つ以上のＭＬモデル、ＡＩ／ＭＬエンジン６６０の１つ以上のＭＬモデル、図１４のニューラルネットワーク１４００、及びこれらの組合せを含む。
【0098】
[00115]初期訓練４６５を介して訓練されると、１つ以上のＭＬモデル４３５は、入力として、ユーザ４１０に関する履歴情報４０５を受信する。履歴情報４０５は、ユーザ４１０に関連付けられたアカウントが関与する第１のトランザクション４１５を識別する。入力として履歴情報４０５を受信することに応答して、１つ以上のＭＬモデル４３５は、第１のトランザクション４１５についての予測インテント４６０を決定する。履歴情報４０５の例は、人口統計学的データ８１０、心理学的データ８１５、行動学的データ８２０、地理学的データ８２５、トランザクション履歴、信用履歴、アカウントのアカウント履歴、ユーザの特性、第１のユーザアカウントを使用して及び／若しくは第１のユーザによって行われたアクション、他のタイプの履歴情報、又はこれらの組合せを含む。第１のトランザクション４１５についての予測インテント４６０の例は、車両所有権、住宅所有権、食品選好、娯楽選好、スタイル選好、金融選好、製品／マーチャント／ブランド選好、交際状況、及び同様のものを含む。予測インテント４６０は、インテントと呼ばれ得る。
【0099】
[00116]図４のような予測インテント４６０の決定は、少なくとも図３Ａ、図３Ｂ、及び図３Ｃの動作に対応し得る。例えば、予測インテント４６０の決定は、動作３０４におけるインテントを識別すること、動作３１０におけるインテントを識別すること、動作３２４におけるインテントを識別すること、又はこれらの組合せに対応し得る。
【0100】
[00117]１つ以上のＭＬモデル４３５が予測インテント４６０を決定すると、予測インテント４６０は、少なくとも図３Ａ、図３Ｂ、図３Ｃ、図５Ａ、及び図５Ｂに関して例示及び／又は記載されるように、推奨されるトランザクションを決定するために使用され得る。例えば、予測インテント４６０は、動作３０６においてインテント基準として使用され得る。予測インテント４６０は、動作３１２において１つ以上の訓練された機械学習モデルに入力されるインテントとして使用され得る。予測インテント４６０及び履歴情報４０５は、動作３３０において、第２の訓練された機械学習モデルに入力されるインテント及び履歴情報として使用され得る。
【0101】
[00118]予測インテント４６０を決定するために１つ以上のＭＬモデル４３５を使用する前に、ＭＬエンジン４３０は、訓練データ４４０を使用して、１つ以上のＭＬモデル４３５の初期訓練４６５を行う。訓練データ４４０は、ユーザ４１０に関する履歴情報４０５の例と、第１のトランザクション４１５についてのインテント４２０の対応する例と、を含む。初期訓練４６５の初期訓練段階中、１つ以上のＭＬモデル４３５は、訓練データ４４０に基づいて、接続及び重みを形成する。
【0102】
[00119]初期訓練４６５の検証段階中、例示的な履歴情報４０５は、上述のように、予測インテント４６０を生成するために、１つ以上のＭＬモデル４３５に入力される。ＭＬエンジン４３０は、少なくとも部分的に、予測インテント４６０がインテント４２０に一致するかどうかを決定することによって、検証４４５を実行する。予測インテント４６０が検証４４５中にインテント４２０に一致した場合には、ＭＬエンジン４３０は、予測インテント４６０の決定に寄与した１つ以上のＭＬモデル４３５内の重み及び／又は接続を強化するように、１つ以上のＭＬモデル４３５を更新することによって、１つ以上のＭＬモデル４３５の更なる訓練４５５を行う。予測インテント４６０が検証４４５中にインテント４２０に一致しなかった場合には、ＭＬエンジン４３０は、予測インテント４６０の決定に寄与した１つ以上のＭＬモデル内の重み及び／又は接続を、弱める、除去する、及び／又は置き換えるように、１つ以上のＭＬモデル４３５を更新することによって、１つ以上のＭＬモデル４３５の更なる訓練４５５を行う。
【0103】
[00120]１つ以上のＭＬモデル４３５の検証４４５及び更なる訓練４５５は、１つ以上のＭＬモデル４３５が、（例えば、ユーザ４１０に関連付けられたユーザデバイス１２０を介してユーザ４１０から）予測インテント４６０について受信されたフィードバック４５０に基づいて使用中になると、継続し得る。１つ以上のＭＬモデル４３５は、上述のように予測インテント４６０を生成する。フィードバック４５０がポジティブである（例えば、予測インテント４６０の承認を表明する、示す、及び／又は示唆する）場合には、ＭＬエンジン４３０は、予測インテント４６０の決定に寄与した１つ以上のＭＬモデル４３５内の重み及び／又は接続を強化するように、１つ以上のＭＬモデル４３５を更新することによって、１つ以上のＭＬモデル４３５の更なる訓練４５５を行う。フィードバック４５０がネガティブである（例えば、予測インテント４６０の不承認を表現する、示す、及び／又は示唆する）場合には、ＭＬエンジン４３０は、予測インテント４６０の決定に寄与した１つ以上のＭＬモデル内の重み及び／又は接続を、弱める、除去する、及び／又は置き換えるように、１つ以上のＭＬモデル４３５を更新することによって、１つ以上のＭＬモデル４３５の更なる訓練４５５を行う。
【0104】
[00121]図５Ａは、第１のトランザクション４１５についてのインテント５０５に基づいて、及び／又は、ユーザ４１０に関連付けられた履歴情報４０５に基づいて、推奨されるトランザクション５２５を生成するために、機械学習エンジン４３０の１つ以上の機械学習モデル４３５を使用することを例示するブロック図５００Ａである。初期訓練５６５を介して訓練されると、１つ以上のＭＬモデル４３５は、入力として、第１のトランザクション４１５についてのインテント５０５を受信する。いくつかの例では、インテント５０５は、予測インテント４６０等の予測インテントである。いくつかの例では、インテント５０５は、インテント４２０のように、（例えば、ユーザ４１０から）受信されるか、又は予め決定される。いくつかの例では、１つ以上のＭＬモデル４３５はまた、第２の入力として、ユーザ４１０に関する履歴情報４０５を受信する。履歴情報４０５は、ユーザ４１０に関連付けられたアカウントが関与する第１のトランザクション４１５を識別する。
【0105】
[00122]入力（複数可）として、第１のトランザクション４１５についてのインテント５０５及び／又は履歴情報４０５を受信することに応答して、１つ以上のＭＬモデル４３５は、推奨されるトランザクション５２５を生成する。推奨されるトランザクション５２５は、第１のトランザクション４１５についてのインテント５０５と整合（align）し得る。いくつかの例では、推奨されるトランザクション５２５は、完全に第１のトランザクション４１５に対応する別の商品又はサービスのための商品又はサービスに対するものであり得る。推奨されるトランザクション５２５の例は、製品（例えば、商品又はサービス）の購入、サービスプロバイダとの約束及び／又は予約の取得、（例えば、ある関係を介して）ユーザ４１０につながっている第２のユーザへの贈物の推奨、ユーザ４１０の与信枠の開設、ユーザ４１０に関連付けられたユーザアカウントへの１つ以上の資産の移動、ユーザ４１０に関連付けられたユーザアカウントからの１つ以上の資産の移動、本明細書で説明される他の推奨されるトランザクション、本明細書で説明される他のトランザクションタイプ、又はこれらの組合せを含む。
【0106】
[00123]図５Ａのように推奨されるトランザクション５２５を生成することは、少なくとも図３Ａ、図３Ｂ、及び図３Ｃの動作に対応し得る。例えば、推奨されるトランザクション５２５を生成することは、動作３０６において推奨されるトランザクションを生成すること、動作３１２において推奨されるトランザクションを生成すること、動作３３２において推奨されるトランザクションを生成すること、又はこれらの組合せに対応し得る。
【0107】
[00124]１つ以上のＭＬモデル４３５が推奨されるトランザクション５２５を生成すると、動作３１４のように、推奨されるトランザクション５２５は出力され得る。１つ以上のＭＬモデル４３５が推奨されるトランザクション５２５を生成すると、推奨されるトランザクション５２５は、例えば、動作３３６及び／又は動作３３８のように、自動的に開始される、処理される、行われる、及び／又は完了し得る。
【0108】
[00125]推奨されるトランザクション５２５を生成するために１つ以上のＭＬモデル４３５を使用する前に、ＭＬエンジン４３０は、訓練データ５４０を使用して、１つ以上のＭＬモデル４３５の初期訓練５６５を行う。訓練データ５４０は、ユーザ４１０に関する履歴情報４０５の例、第１のトランザクション４１５についてのインテント５０５の対応する例、及び／又は、インテント５０５に対応する第２のトランザクション５２０の例を含み得る。いくつかの例では、第２のトランザクション５２０は、第１のトランザクション４１５の後にユーザ４１０によって行われるトランザクションである。いくつかの例では、第２のトランザクション５２０は、第１のトランザクション４１５の前にユーザ４１０によって行われたトランザクションである。初期訓練４６５の初期訓練段階中、１つ以上のＭＬモデル４３５は、訓練データ５４０に基づいて、接続及び重みを形成する。
【0109】
[00126]初期訓練５６５の検証段階中、例示的なインテント５０５及び／又は履歴情報４０５は、上述のように推奨されるトランザクション５２５を生成するために、１つ以上のＭＬモデル４３５に入力される。ＭＬエンジン４３０は、少なくとも部分的に、推奨されるトランザクション５２５が第２のトランザクション５２０に一致するかどうかを決定することによって、検証５４５を行う。推奨されるトランザクション５２５が検証４４５中に第２のトランザクション５２０に一致した場合には、ＭＬエンジン４３０は、推奨されるトランザクション５２５の生成に寄与した１つ以上のＭＬモデル４３５内の重み及び／又は接続を強化するように、１つ以上のＭＬモデル４３５を更新することによって、１つ以上のＭＬモデル４３５の更なる訓練５５５を行う。推奨されるトランザクション５２５が検証４４５中に第２のトランザクション５２０に一致しなかった場合には、ＭＬエンジン４３０は、推奨されるトランザクション５２５の生成に寄与した１つ以上のＭＬモデル内の重み及び／又は接続を、弱める、除去する、及び／又は置き換えるように、１つ以上のＭＬモデル４３５を更新することによって、１つ以上のＭＬモデル４３５の更なる訓練４５５を行う。
【0110】
[00127]１つ以上のＭＬモデル４３５の検証５４５及び更なる訓練５５５は、１つ以上のＭＬモデル４３５が、（例えば、ユーザ４１０に関連付けられたユーザデバイス１２０を介してユーザ４１０から）推奨されるトランザクション５２５について受信されたフィードバック５５０に基づいて使用中になると、継続し得る。１つ以上のＭＬモデル４３５は、上述のように推奨されるトランザクション５２５を生成する。フィードバック５５０がポジティブである（例えば、推奨されるトランザクション５２５の承認を表明する、示す、及び／又は示唆する）場合には、ＭＬエンジン４３０は、推奨されるトランザクション５２５の生成に寄与した１つ以上のＭＬモデル４３５内の重み及び／又は接続を強化するように、１つ以上のＭＬモデル４３５を更新することによって、１つ以上のＭＬモデル４３５の更なる訓練５５５を行う。フィードバック５５０がネガティブである（例えば、推奨されるトランザクション５２５の不承認を表明する、示す、及び／又は示唆する）場合には、ＭＬエンジン４３０は、推奨されるトランザクション５２５の生成に寄与した１つ以上のＭＬモデル内の重み及び／又は接続を、弱める、除去する、及び／又は置き換えるように、１つ以上のＭＬモデル４３５を更新することによって、１つ以上のＭＬモデル４３５の更なる訓練５５５を行う。
【0111】
[00128]図５Ｂは、第１のコミュニティ５８０についてのインテント５７５に基づいて、及び／又は、ユーザ４１０に関連付けられた履歴情報４０５に基づいて、推奨されるコミュニティ５６０を生成するために、機械学習エンジン４３０の１つ以上の機械学習モデル４３５を使用することを例示するブロック図５００Ｂである。要するに、図５Ａのような推奨されるトランザクション５２５の生成と同様に、図５ＢのＭＬモデル４３５はまた、特定の関心及び／又は人口統計学的グループに関連付けられたオンラインコミュニティ等、ユーザが加入するための推奨されるコミュニティ５６０を生成し得る。初期訓練５６５を介して訓練されると、１つ以上のＭＬモデル４３５は、入力として、（例えば、ユーザが既に加入している）第１のコミュニティ５８０についてのインテント５７５を受信する。いくつかの例では、インテント５７５は、予測インテント４６０等の予測インテントである。いくつかの例では、インテント５７５は、インテント４２０のように、（例えば、ユーザ４１０から）受信されるか、又は予め決定される。いくつかの例では、１つ以上のＭＬモデル４３５はまた、第２の入力として、ユーザ４１０に関する履歴情報４０５を受信する。履歴情報４０５は、ユーザ４１０に関連付けられたアカウントが加入したか、又は別様にその一部である第１のコミュニティ５８０を識別する。
【0112】
[00129]入力（複数可）として、第１のコミュニティ５８０についてのインテント５７５及び／又は履歴情報４０５を受信することに応答して、１つ以上のＭＬモデル４３５は、推奨されるコミュニティ５６０を生成する。推奨されるコミュニティ５６０は、第１のコミュニティ５８０についてのインテント５７５と整合し得る。いくつかの例では、推奨されるコミュニティ５６０は、特定の関心（例えば、スポーツ、音楽のジャンル、映画又はＴＶ番組のジャンル、文学のジャンル、地理的コミュニティ又は近所、マーチャント又はビジネスのタイプ、チャリティ、大義、及び同様のもの）に関連付けられ得る。例示的な例では、推奨されるコミュニティ５６０は、特定の地理的地域におけるサッカーに関心のあるコミュニティ、クラシック音楽に関心のあるコミュニティ、及び同様のものであり得る。
【0113】
[00130]図５Ｂにおいて推奨されるコミュニティ５６０を生成することは、少なくとも図３Ａ、図３Ｂ、及び図３Ｃの動作に対応し得る。例えば、推奨されるコミュニティ５６０を生成することは、動作３０６において推奨されるトランザクションを生成すること、動作３１２において推奨されるトランザクションを生成すること、動作３３２において推奨されるトランザクションを生成すること、図５Ｂの推奨されるトランザクション５２５を生成すること、図１３の推奨（複数可）１３１０を生成すること、又はこれらの組合せに対応し得る。
【0114】
[00131]１つ以上のＭＬモデル４３５が推奨されるコミュニティ５６０を生成すると、動作３１４のように、推奨されるコミュニティ５６０は出力され得る。１つ以上のＭＬモデル４３５が推奨されるコミュニティ５６０を生成すると、推奨されるコミュニティ５６０は、例えば、動作３３６及び／又は動作３３８のように、自動的に開始される、処理される、行われる、及び／又は完了し得る。
【0115】
[00132]推奨されるコミュニティ５６０を生成するために１つ以上のＭＬモデル４３５を使用する前に、ＭＬエンジン４３０は、訓練データ５４０を使用して、１つ以上のＭＬモデル４３５の初期訓練５６５を行う。訓練データ５４０は、ユーザ４１０に関する履歴情報４０５の例、第１のコミュニティ５８０についてのインテント５７５の対応する例、及び／又はインテント５７５に対応する第２のコミュニティ５７０の例を含み得る。いくつかの例では、第２のコミュニティ５７０は、第１のコミュニティ５８０の後にユーザ４１０によって加入されたコミュニティである。いくつかの例では、第２のコミュニティ５７０は、第１のコミュニティ５８０の前にユーザ４１０によって加入されたコミュニティである。初期訓練４６５の初期訓練段階中、１つ以上のＭＬモデル４３５は、訓練データ５４０に基づいて、接続及び重みを形成する。
【0116】
[00133]初期訓練５６５の検証段階中、例示的なインテント５７５及び／又は履歴情報４０５は、上述のように、推奨されるコミュニティ５６０を生成するために、１つ以上のＭＬモデル４３５に入力される。ＭＬエンジン４３０は、少なくとも部分的に、推奨されるコミュニティ５６０が第２のコミュニティ５７０に一致するかどうかを決定することによって、検証５４５を行う。推奨されるコミュニティ５６０が検証４４５中に第２のコミュニティ５７０に一致した場合には、ＭＬエンジン４３０は、推奨されるコミュニティ５６０の生成に寄与した１つ以上のＭＬモデル４３５内の重み及び／又は接続を強化するように、１つ以上のＭＬモデル４３５を更新することによって、１つ以上のＭＬモデル４３５の更なる訓練５５５を行う。推奨されるコミュニティ５６０が検証４４５中に第２のコミュニティ５７０に一致しなかった場合には、ＭＬエンジン４３０は、推奨されるコミュニティ５６０の生成に寄与した１つ以上のＭＬモデル内の重み及び／又は接続を、弱める、除去する、及び／又は置き換えるように、１つ以上のＭＬモデル４３５を更新することによって、１つ以上のＭＬモデル４３５の更なる訓練４５５を行う。
【0117】
[00134]１つ以上のＭＬモデル４３５の検証５４５及び更なる訓練５５５は、１つ以上のＭＬモデル４３５が、（例えば、ユーザ４１０に関連付けられたユーザデバイス１２０を介してユーザ４１０から）推奨されるコミュニティ５６０について受信されたフィードバック５５０に基づいて使用中になると、継続し得る。１つ以上のＭＬモデル４３５は、上述のように推奨されるコミュニティ５６０を生成する。フィードバック５５０がポジティブである（例えば、推奨されるコミュニティ５６０の承認を表明する、示す、及び／又は示唆する）場合には、ＭＬエンジン４３０は、推奨されるコミュニティ５６０の生成に寄与した１つ以上のＭＬモデル４３５内の重み及び／又は接続を強化するように、１つ以上のＭＬモデル４３５を更新することによって、１つ以上のＭＬモデル４３５の更なる訓練５５５を行う。フィードバック５５０がネガティブである（例えば、推奨されるコミュニティ５６０の不承認を表明する、示す、及び／又は示唆する）場合には、ＭＬエンジン４３０は、推奨されるコミュニティ５６０の生成に寄与した１つ以上のＭＬモデル内の重み及び／又は接続を、弱める、除去する、及び／又は置き換えるように、１つ以上のＭＬモデル４３５を更新することによって、１つ以上のＭＬモデル４３５の更なる訓練５５５を行う。
【0118】
[00135]図６は、インテントベースの推奨のためのシステムのシステムアーキテクチャを例示するブロック図６００である。システムは、ユーザデバイス６０２、エージェントプラットフォーム６０６、履歴情報エンジン６１８、ＣＲＭエンジン６１４、データ分析エンジン６５４、及びインタラクションエンジン６６２を含む。
【0119】
[00136]ユーザデバイス６０２は、ユーザデバイス１２０の一例である。ユーザデバイス６０２は、オペレーティングシステム（ＯＳ）、全地球航法衛星システム（ＧＮＳＳ）受信機、ネットワーク接続、及びネットワーク上で使用するためのインターネットプロトコル（ＩＰ）アドレスを含む。ユーザデバイス６０２は、１つ以上のアプリ６０４を実行し、これは、エージェントプラットフォーム６０６、履歴情報エンジン６１８、ＣＲＭエンジン６１４、データ分析エンジン６５４、及びインタラクションエンジン６６２に関連付けられ、及び／又はそれらと通信するアプリを含み得る。いくつかの態様では、アプリ６０４のうちの少なくとも１つは、ユーザフロントエンド２０２の一例である。いくつかの態様では、ユーザフロントエンド２０２は、アプリ６０４のうちの少なくとも１つの一例である。
【0120】
[00137]いくつかの態様では、エージェントプラットフォーム６０６は、エージェントバックエンド２１０の一例である。いくつかの態様では、エージェントバックエンド２１０は、エージェントプラットフォーム６０６の一例である。エージェントプラットフォーム６０６は、エージェントデバイス６０８を含み、エージェントデバイス６０８は、エージェントデバイス２６０に対応し得る。エージェントプラットフォーム６０６は、コンシェルジュエンジン６１０を含み、コンシェルジュエンジン６１０は、ユーザデバイス６０２を使用しているユーザを、ユーザデバイス６０２のユーザがコンシェルジュエンジン６１０に対して表明したクエリ又は要求の主題にその専門分野及び／又は知識が一致するエージェントの特定のエージェントデバイス６０８に接続し得る。コンシェルジュエンジン６１０は、例えば、ユーザデバイス６０２を通じて、口頭で又はテキストを通じて、ユーザの通話、メッセージ、又はエージェントとの他の形態の通信の理由を述べるようにユーザに求め得る。コンシェルジュエンジン６１０は、この理由を構文解析し、ユーザデバイス６０２のユーザのクエリ又は要求の主題を決定し得る。
【0121】
[00138]エージェントプラットフォーム６０６は、エンゲージメントＡＩ／ＭＬエンジン６１２を含む。エンゲージメントＡＩ／ＭＬエンジン６１２は、エージェントデバイス６０８に（例えば、エージェントに）、例えば、質問の形態において、ユーザから要求すべき情報を提案し得る。データ分析エンジン６５４は、例えば、ＡＩ／ＭＬエンジン６６０を使用して、ユーザデバイス６０２のユーザに関するある特定の決定を行い得る。エンゲージメントＡＩ／ＭＬエンジン６１２は、これらの決定についてのフィードバックを要求するために使用され得る。ユーザデバイス６０２は、エージェントプラットフォーム６０６に（例えば、エージェントデバイス６０８に）フィードバックを提供し得る。場合によっては、ユーザデバイス６０２からのフィードバックは、これらの決定を検証又は承認し得る。したがって、データ分析エンジン６５４は、例えば、図５Ａ～図５Ｂのように推奨されるトランザクション及び／又は推奨されるコミュニティを生成するために、更にこれらの決定を使用することを続け（proceed with）得る。場合によっては、ユーザデバイス６０２からのフィードバックは、これらの決定を否認し得るか、又は不承認にし得る。したがって、データ分析エンジン６５４は、これらの決定のいかなる更なる使用も停止し得る。決定の例は、動作３０４、動作３１０、動作３２４のように、トランザクションについてのインテントに関する決定、及び／又は、予測インテント４６０の決定を含む。決定の例は、動作３０６、動作３１２、動作３３２のように、推奨されるトランザクションの生成、及び／又は、推奨されるトランザクション５２５の生成を含む。決定の例は、ユーザが、車を持っているかどうか、家を持っているかどうか、交際中であるかどうか、特定のチャリティに関心があるかどうか、特定の政治的所属を持っているかどうか、及び同様のこと等の、ユーザの特性に関する決定を含む。
【0122】
[00139]いくつかの態様では、履歴情報エンジン６１８は、履歴情報ソース２２８の一例である。いくつかの態様では、履歴情報ソース２２８は、履歴情報エンジン６１８の一例である。履歴情報エンジン６１８は、ユーザデバイス６０２のユーザに関する履歴情報を含み、場合によっては、他のユーザに関する履歴情報も含む。履歴情報エンジン６１８は、ユーザが寄付したチャリティ６２２、寄付の頻度及び／若しくは寄付された資産（例えば、資金）の数量に関する寄付スコア６２４、並びに／又はユーザの寄付に関するユーザの及び／若しくはチャリティのレビュー６２６を含む、寄付６２０に関連付けられた履歴情報を含む。履歴情報エンジン６１８は、（例えば、ユーザのアカウントから移動先アカウントへの、移動元アカウントからユーザのアカウントへの）ピアツーピア（Ｐ２Ｐ）トランザクション６２８、（例えば、マーチャント、サービスプロバイダ、マーケットプレイス、店舗からの）購入６３２、レンタル、リース、及び同様のことを含む、ユーザが関与するトランザクション６３０に関連付けられた履歴情報を含む。履歴情報エンジン６１８は、当座預金アカウント６３６、普通預金アカウント６３８、他のアカウント６４０（例えば、マネーマーケット）、及び同様のものを含む、ユーザのアカウント６３４に関連付けられた履歴情報を含む。履歴情報エンジン６１８は、投資６４４（例えば、株式、債券、暗号通貨、ＮＦＴ、他のデジタル資産）、予算編成６４６、及び同様のことを含む、ユーザによるバンキング６４２に関連付けられた履歴情報を含む。履歴情報エンジン６１８は、選好６５０（例えば、呼ばれたい名前、希望する代名詞、通話又はメッセージングのどちらを好むか、等）、ユーザプロファイル情報６５２（例えば、名前、住所、電話番号、電子メールアドレス、ユーザ名、等）、及び同様のものを含む、ユーザについてのユーザ識別６４８に関連付けられた履歴情報を含む。
【0123】
[00140]いくつかの態様では、ＣＲＭエンジン６１４は、ＣＲＭエンジン２２６の一例である。いくつかの態様では、ＣＲＭエンジン２２６は、ＣＲＭエンジン６１４の一例である。ＣＲＭエンジン６１４は、ユーザデバイス６０２とエージェントデバイス（複数可）６０８との間の会話（複数可）に関する会話データ６１６と、任意の関連データと、を含み得る。ＣＲＭエンジン６１４は、ユーザデバイス６０２、エージェントプラットフォーム６０６、履歴情報エンジン６１８、データ分析エンジン６５４、インタラクションエンジン６６２、又はこれらの組合せから、会話データ６１６に関する情報をプル（pull）し得る。ＣＲＭエンジン６１４は、会話データ６１６を生成するために、この情報を構文解析、再フォーマット、正規化、及び／又は編成し得る。
【0124】
[00141]いくつかの態様では、データ分析エンジン６５４は、自動化エンジン２１６の一例である。いくつかの態様では、自動化エンジン２１６は、データ分析エンジン６５４の一例である。データ分析エンジン６５４は、履歴情報エンジン６１８及びＣＲＭエンジン６１４からの情報（例えば、会話データ６１６）を取り込むオペレーショナルデータベース６５６を含む。データ分析エンジン６５４は、膨大な量のデータを有するデータレイク６５８を含む。データ分析エンジン６５４は、オペレーショナルデータベース６５６からの情報を構文解析、再フォーマット、正規化、及び／又は編成し得、オペレーショナルデータベース６５６からの情報をデータレイク６５８にインポートし得る。データレイク６５８は、ユーザ以外の他のユーザに関する情報を含み得る。他のユーザに関する情報は、ユーザに関する情報と同じタイプの情報（例えば、履歴情報エンジン６１８、履歴データソース２２８、及び／又はＣＲＭエンジン６１４における情報のタイプ）を含み得る。他のユーザに関する情報は、いくつかの例では、データレイク６５８に入れられる前に、データ分析エンジン６５４によって匿名化され得る。
【0125】
[00142]データ分析エンジン６５４は、入力（複数可）として、データレイク６５８及び／又はオペレーショナルデータベース６５６からデータを受信するＡＩ／ＭＬエンジン６６０を含む。ＡＩ／ＭＬエンジン６６０は、入力（複数可）としてのデータレイク６５８及び／又はオペレーショナルデータベース６５６からのデータの受信に基づいて、決定を生成し得る。決定の例は、動作３０４、動作３１０、動作３２４のように、トランザクションについてのインテントに関する決定、及び／又は、予測インテント４６０の決定を含む。決定の例は、動作３０６、動作３１２、動作３３２のように、推奨されるトランザクションの生成、及び／又は、推奨されるトランザクション５２５の生成を含む。決定の例は、ユーザが、車を持っているかどうか、家を持っているかどうか、交際中であるかどうか、特定のチャリティに関心があるかどうか、特定の政治的所属を持っているかどうか、及び同様のこと等の、ユーザの特性に関する決定を含む。
【0126】
[00143]ＡＩ／ＭＬエンジン６６０は、例えば、ＭＬエンジン２４８、図３Ｂの動作３１０及び／又は動作３１２の１つ以上の訓練された機械学習モデルに関連付けられたＭＬエンジン、図３Ｃの動作３２２～３２８のうちの少なくとも１つの第１の訓練されたＭＬモデルに関連付けられたＭＬエンジン、図３Ｃの動作３３０～３３４のうちの少なくとも１つの訓練されたＭＬモデルに関連付けられたＭＬエンジン、ＭＬエンジン４３０、図１４のニューラルネットワーク１４００、並びにこれらの組合せを含み得る。
【0127】
[00144]データレイク６５８及び／又はオペレーショナルデータベース６５６からのデータに基づいて、ＡＩ／ＭＬエンジン６６０によって生成された決定は、インタラクションエンジン６６２によって受信され得、及び／又は、インタラクションエンジン６６２よって使用され得る。インタラクションエンジン６６２は、ユーザデバイス６０２のユーザ、エージェントデバイス６０８に関連付けられたエージェント、金融エンティティ、及び／又はエンティティに、サービスを提供し得る。例えば、インタラクションエンジン６６２は、ローンクレジットサービス６６４、緊急資金サービス６６６、ファイナンシャルプランニングサービス６６８、詐欺保護サービス６７０、オファーサービス６７２、金融自動化サービス６７４、及び拡張インタラクションサービス６７６を含む。
【0128】
[00145]インタラクションエンジン６６２は、クレジットカード、モーゲージ、又はローン等のクレジット商品を提供し得るローンクレジットサービス６６４を含む。ローンクレジットサービス６６４の場合、ＡＩ／ＭＬエンジン６６０は、データレイク６５８及び／又はオペレーショナルデータベース６５６からのデータに基づいて、クレジット商品に対する信用力（creditworthiness）に関する決定を生成し得る。インタラクションエンジン６６２は、（例えば、自然災害又は重大事故により）緊急の必要性があるユーザに緊急資金を迅速に融資又は提供し得る緊急資金サービス６６６を含む。緊急資金サービス６６６の場合、ＡＩ／ＭＬエンジン６６０は、データレイク６５８及び／又はオペレーショナルデータベース６５６からのデータに基づいて、ユーザが、緊急事態にあるかどうか、及び／又は緊急の必要性があるかどうか、並びに緊急資金サービス６６６から資金を受け取るべきかどうかに関する決定を生成し得る。インタラクションエンジン６６２は、ユーザのために資金計画を提供し得るファイナンシャルプランニングサービス６６８を含む。ファイナンシャルプランニングサービス６６８の場合、ＡＩ／ＭＬエンジン６６０は、データレイク６５８及び／又はオペレーショナルデータベース６５６からのデータに基づいて、ユーザのための資金計画の少なくとも一部を生成し得る。
【0129】
[00146]インタラクションエンジン６６２は、詐欺を阻止し得る詐欺保護サービス６７０を含む。詐欺保護サービス６７０の場合、ＡＩ／ＭＬエンジン６６０は、データレイク６５８及び／又はオペレーショナルデータベース６５６からのデータに基づいて、トランザクションの試み及び／又はログインの試みが不正であるか否か、又は許可されているか否かに関する決定を生成し得る。インタラクションエンジン６６２は、クーポン、割引、及びリベート等のオファーをユーザに提供し得るオファーサービス６７２を含む。オファーサービス６７２の場合、ＡＩ／ＭＬエンジン６６０は、データレイク６５８及び／又はオペレーショナルデータベース６５６からのデータに基づいて、ユーザが任意のオファーを受ける資格があるか否かに関する決定を生成し得る。
【0130】
[00147]インタラクションエンジン６６２は、ユーザのためにある特定の定期的な金融タスクを自動化し得る金融自動化サービス６７４を含む。金融自動化サービス６７４の場合、ＡＩ／ＭＬエンジン６６０は、データレイク６５８及び／又はオペレーショナルデータベース６５６からのデータに基づいて、ユーザが行い、かつ金融自動化サービス６７４を使用して自動化され得る、定期的な金融タスクを識別し得る。インタラクションエンジン６６２は、ユーザインテントに基づく推奨されるトランザクション等の、拡張インタラクションを提供し得る拡張インタラクションサービス６７６を含む。拡張インタラクションサービス６７６の場合、ＡＩ／ＭＬエンジン６６０は、データレイク６５８及び／又はオペレーショナルデータベース６５６からのデータに基づいて、ユーザインテントを決定し得、及び／又は、推奨されるトランザクションを生成し得る。
【0131】
[00148]場合によっては、ＣＲＭエンジン６１４は、ＣＲＭエンジン６１４の会話データ６１６の一部として、インタラクションエンジン６６２の様々なサービス６６４～６７６についてＡＩ／ＭＬエンジン６６０によって行われた決定を受信及び記憶し得る。
【0132】
[00149]図７は、ユーザからフィードバックを要求するためのプロセスを例示するブロック図７００である。分析エンジン７０２が、ユーザに関する決定を行い得る。分析エンジン７０２は、例えば、１つ以上のアカウント自動化サーバ１３０、１つ以上のアカウント管理サーバ１４０、１つ以上のアカウント自動化データ構造１３５、１つ以上のアカウント管理データ構造１４５、自動化エンジン２１６、クラウドコンピューティングエンジン２４４、図３Ａ～図３Ｃのアカウント管理システム（複数可）、ＭＬエンジン４３０、データ分析エンジン６５４、ＣＲＭエンジン６１４、インタラクションエンジン６６２、分析エンジン９１０、ＡＩ／ＭＬエンジン９２５、分析エンジン１００４、分類器１０１０、プロファイルデータ構造１０２４、ニューラルネットワーク１４００、コンピューティングシステム１５００、プロセッサ１５１０、又はこれらの組合せを含み得る。決定の例は、動作３０４、動作３１０、動作３２４のように、トランザクションについてのインテントに関する決定、及び／又は、予測インテント４６０の決定を含む。決定の例は、動作３０６、動作３１２、動作３３２のように、推奨されるトランザクションの生成、及び／又は、推奨されるトランザクション５２５の生成を含む。決定の例は、ユーザが、車を持っているかどうか、家を持っているかどうか、交際中であるかどうか、特定のチャリティに関心があるかどうか、特定の政治的所属を持っているかどうか、及び同様のこと等の、ユーザの特性に関する決定を含む。
【0133】
[00150]分析エンジン７０２は、様々な決定に基づいて、ユーザのための様々なプロファイルを生成し得る。プロファイルは、図４の予測インテント４６０の決定のように、様々なトランザクションについて決定されたインテントに基づき得る。分析エンジン７０２は、インテント５０５に基づく代わりに、又はインテント５０５に基づくことに加えて、これらのプロファイルに基づいて、図５Ａ～図５Ｂのように、推奨されるトランザクション及び／又は推奨されるコミュニティを生成し得る。例えば、分析エンジン７０２は、推奨されるトランザクション５２５を生成するために、１つ以上のＭＬモデル４３５への１つ以上の入力として、インテント５０５の代わりに、これらのプロファイルのうちの１つ以上からの情報を提供し得る。分析エンジン７０２は、分類器（複数可）７０４を使用して、ユーザの異なる側面に関する決定を、適切なプロファイルに分類し得る。
【0134】
[00151]例えば、プロファイルは、分析エンジン７０２が、レストラン、料理、食品、食事、飲料、調理、食料品の買い物、及び同様のものに関連する推奨されるトランザクションを生成するために、１つ以上のＭＬモデル４３５への入力（複数可）として使用するためのデータをプルし得る嗜好プロファイル７０６を含む。プロファイルは、分析エンジン７０２が、衣類、ファッション、スタイル、及び同様のものに関連する推奨されるトランザクションを生成するために、１つ以上のＭＬモデル４３５への入力（複数可）として使用するためのデータをプルし得るスタイルプロファイル７０８を含む。プロファイルは、分析エンジン７０２が、映画、テレビ、ビデオゲーム、芸術、音楽、及び同様のものに関連する推奨されるトランザクションを生成するために、１つ以上のＭＬモデル４３５への入力（複数可）として使用するためのデータをプルし得る娯楽プロファイル７１０を含む。いくつかの例では、嗜好プロファイル７０６、スタイルプロファイル７０８、娯楽プロファイル７１０、及び他の同様のプロファイルは、ユーザが関与するトランザクション、ユーザが購入したオファー、ユーザが加入したか若しくは別様に関与するコミュニティ（オンライン若しくはその他）、又はこれらの組合せに対応し得る。
【0135】
[00152]いくつかの例では、プロファイルのうちの１つ以上は、質問をトリガする条件を満たす情報を記憶する。質問サービス７１２は、質問を決定し得る。例えば、ユーザに関する決定が、低い信頼度又は確率で分析エンジン７０２によって決定された場合、質問サービス７１２は、ユーザに決定が正しいかどうかを尋ねるために質問サービス７１２が生成する質問を介して、決定の承認又は否認を求め得る。質問サービス７１２は、質問データ構造７１４に質問を記憶し得る。質問データ構造７１４から、質問は、質問キュー７１６へとソートされ得る。いくつかの例では、質問は、先入れ先出し（ＦＩＦＯ）順序で質問キュー７１６に入れられ得る。いくつかの例では、質問は、優先度又は重みによって質問キュー７１６においてソートされ得、いくつかの質問（例えば、より緊急又は重要な質問）は、他の質問よりも高い優先度であるか、又は高い重みを有する。例えば、「あなたはピーナッツアレルギーですか？」等の医学的な質問は、「あなたの好きな色は青ですか？」等のスタイル的な質問よりも高い優先度、高い重み、及び／又は高い緊急度としてランク付けされ得る。
【0136】
[00153]質問キュー７１６は、デバイス７１８上で実行されているアプリ７２０の機能の一部であり得る。いくつかの例では、デバイス７１８は、ユーザデバイス１２０及び／又はユーザデバイス６０２の一例である。いくつかの例では、デバイス７１８は、エージェントデバイス２６０及び／又はエージェントデバイス６０８の一例である。質問キュー７１６は、デバイス７１８がアプリ７２０を実行する過程で、デバイス７１８によってローカルに生成、ソート、及び／又は尋ねられ得る。質問キュー７１６は、デバイス７１８がアプリ７２０を実行する過程で、デバイス７１８からの要求によって、サーバ（例えば、分析エンジン７０２）によってリモートで生成、ソート、及び／又は尋ねられ得る。
【0137】
[00154]質問ゲートウェイＡＰＩ７７２が、ユーザデバイス（例えば、ユーザデバイス１２０及び／又はユーザデバイス６０２）を介して、ユーザに質問を送る及び／若しくは尋ねるために、並びに／又は、質問に応答してユーザからのフィードバックを受信及び／若しくは記録するために、使用され得る。フィードバックは、分析エンジン７０２によって、及び／又は、デバイス７１８によって、フィードバックデータ構造７２４に記憶され得る。フィードバックは、例えば、動作３１６～３１８の確認、動作３２８の第１のフィードバック、動作３３４の第２のフィードバック、フィードバック４５０、及び／又はフィードバック５５０を含み得る。
【0138】
[00155]図８は、ユーザに関する履歴データの例示的なデータカテゴリ８０５を例示するブロック図８００である。データカテゴリ８０５は、人口統計学的データ８１０、心理学的データ８１５、行動学的データ８２０、及び地理学的データ８２５を含む。人口統計学的データ８１０は、例えば、年齢、性別、ジェンダー、所得、配偶者の有無、交際状況、民族的背景、及び／又は性的指向を含む。心理学的データ８１５は、例えば、活動、態度、性格、価値観、政治的見解、及び／又は宗教的見解を含む。行動学的データ８２０は、例えば、利益（benefits）、トランザクション履歴、利用率、パターン、及び／又は閲覧履歴を含む。地理学的データ８２５は、例えば、ローカルデータ、地域データ、国データ、及び／又は国際データを含む。データカテゴリ８０５は、ユーザが関与するトランザクション、ユーザが購入したオファー、ユーザが加入したか若しくは別様に関与するコミュニティ（オンライン若しくはその他）、又はこれらの組合せに対応し得る。
【0139】
[00156]図９は、インタラクション９２０に基づく、分析エンジン９１０によるユーザ９０５のための推奨９１５の生成を例示するブロック図９００である。分析エンジン９１０は、ＡＩ／ＭＬエンジン９２５を含む。
【0140】
[00157]ＡＩ／ＭＬエンジン９２５の例は、ＭＬエンジン２４８、図３Ｂの動作３１０及び／又は動作３１２の１つ以上の訓練された機械学習モデルに関連付けられたＭＬエンジン、図３Ｃの動作３２２～３２８のうちの少なくとも１つの第１の訓練されたＭＬモデルに関連付けられたＭＬエンジン、図３Ｃの動作３３０～３３４のうちの少なくとも１つの訓練されたＭＬモデルに関連付けられたＭＬエンジン、ＭＬエンジン４３０、エンゲージメントＡＩ／ＭＬエンジン６１２、ＡＩ／ＭＬエンジン６６０、図１４のニューラルネットワーク１４００、並びにこれらの組合せを含む。
【0141】
[00158]ユーザ９０５は、ユーザデバイス１２０のユーザである。ユーザ９０５は、他のユーザとの、並びに／又は、マーチャント、サービスプロバイダ、金融機関、及び同様のものとのインタラクション９２０を行う。インタラクション９２０は、トランザクションを含み得る。分析エンジン９１０は、ユーザデバイス１２０から、他のユーザのデバイスから、マーチャントのデバイスから、サービスプロバイダのデバイスから、金融機関のデバイスから、又はこれらの組合せから、インタラクション９２０のインジケーションを受信する。
【0142】
[00159]分析エンジン９１０は、例えば、１つ以上のアカウント自動化サーバ１３０、１つ以上のアカウント管理サーバ１４０、１つ以上のアカウント自動化データ構造１３５、１つ以上のアカウント管理データ構造１４５、自動化エンジン２１６、クラウドコンピューティングエンジン２４４、図３Ａ～図３Ｃのアカウント管理システム（複数可）、ＭＬエンジン４３０、データ分析エンジン６５４、ＣＲＭエンジン６１４、インタラクションエンジン６６２、分析エンジン７０２、ＡＩ／ＭＬエンジン９２５、分析エンジン１００４、分類器１０１０、プロファイルデータ構造１０２４、ニューラルネットワーク１４００、コンピューティングシステム１５００、プロセッサ１５１０、又はこれらの組合せを含み得る。
【0143】
[00160]分析エンジン９１０は、インタラクション９２０からのインタラクションデータ９３５に基づいて、トランザクション、オファー、及び／又はコミュニティについての推奨９１５を生成する。分析エンジン９１０による推奨９１５の生成は、動作３０６、動作３１２、動作３３２のように、推奨されるトランザクションの生成、及び／又は、推奨されるトランザクション５２５の生成を含み得る。分析エンジン９１０による推奨９１５の生成は、推奨されるコミュニティ５６０の生成のように、推奨されるコミュニティの生成を含み得る。推奨９１５は、ユーザ９０５のために拡張インタラクション９３０を提供するために、分析エンジンによって使用され得る。拡張インタラクション９３０は、ローンクレジットサービス６６４、緊急資金サービス６６６、ファイナンシャルプランニングサービス６６８、詐欺保護サービス６７０、オファーサービス６７２、金融自動化サービス６７４、及び拡張インタラクションサービス６７６等の、インタラクションエンジン６６２に関して説明されたインタラクション及び／又はサービスを含み得る。
【0144】
[00161]図１０は、１つ以上の分類器による、ユーザに関連付けられたプロファイルの生成を例示するブロック図１０００である。分析エンジン１００４は、例えば、地理学的データ１００２、モバイル分析データ１００６、及び／又はトランザクションデータ１００８に基づいて、ユーザに関する決定を行い得る。分析エンジン１００４は、例えば、１つ以上のアカウント自動化サーバ１３０、１つ以上のアカウント管理サーバ１４０、１つ以上のアカウント自動化データ構造１３５、１つ以上のアカウント管理データ構造１４５、自動化エンジン２１６、クラウドコンピューティングエンジン２４４、図３Ａ～図３Ｃのアカウント管理システム（複数可）、ＭＬエンジン４３０、データ分析エンジン６５４、ＣＲＭエンジン６１４、インタラクションエンジン６６２、分析エンジン７０２、分類器７０４、分析エンジン９１０、ＡＩ／ＭＬエンジン９２５、ニューラルネットワーク１４００、コンピューティングシステム１５００、プロセッサ１５１０、又はこれらの組合せを含み得る。決定の例は、動作３０４、動作３１０、動作３２４のように、トランザクションについてのインテントに関する決定、及び／又は、予測インテント４６０の決定を含む。決定の例は、動作３０６、動作３１２、動作３３２のように、推奨されるトランザクションの生成、及び／又は、推奨されるトランザクション５２５の生成を含む。決定の例は、ユーザが、車を持っているかどうか、家を持っているかどうか、交際中であるかどうか、特定のチャリティに関心があるかどうか、特定の政治的所属を持っているかどうか、及び同様のこと等の、ユーザの特性に関する決定を含む。
【0145】
[00162]分析エンジン１００４は、様々な決定に基づいて、ユーザのための様々なプロファイルを生成し得る。分析エンジン１００４は、これらのプロファイルに基づいて、図５Ａ～図５Ｂと同様に、推奨されるトランザクション及び／又は推奨されるコミュニティを生成し得る。例えば、分析エンジン１００４は、推奨されるトランザクション５２５及び／又は推奨されるコミュニティ５６０を生成するために、１つ以上のＭＬモデル４３５への１つ以上の入力として、インテント５０５の代わりに、これらのプロファイルのうちの１つ以上からの情報を提供し得る。分析エンジン１００４は、分類器（複数可）７０４を使用して、ユーザの異なる側面に関する決定を適切なプロファイルに分類し得る。
【0146】
[00163]図７と同様に、図１０のプロファイルは、分析エンジン１００４が、レストラン、料理、食品、食事、飲料、調理、食料品の買い物、及び同様のものに関連する推奨されるトランザクションを生成するために、１つ以上のＭＬモデル４３５への入力（複数可）として使用するためのデータをプルし得る嗜好プロファイル７０６を含む。プロファイルは、分析エンジン１００４が、衣類、ファッション、スタイル、及び同様のものに関連する推奨されるトランザクションを生成するために、１つ以上のＭＬモデル４３５への入力（複数可）として使用するためのデータをプルし得るスタイルプロファイル７０８を含む。プロファイルは、分析エンジン１００４が、映画、テレビ、ビデオゲーム、芸術、音楽、及び同様のものに関連する推奨されるトランザクションを生成するために、１つ以上のＭＬモデル４３５への入力（複数可）として使用するためのデータをプルし得る娯楽プロファイル７１０を含む。
【0147】
[00164]図１０のプロファイルはまた、分析エンジン１００４が、旅行の場所、自宅の場所、休暇の目的地、及び同様のものに関連する推奨されるトランザクションを生成するために、１つ以上のＭＬモデル４３５への入力（複数可）として使用するためのデータをプルし得る場所プロファイル１０１８を含む。プロファイルはまた、分析エンジン１００４が、趣味に関連する推奨されるトランザクションを生成するために、１つ以上のＭＬモデル４３５への入力（複数可）として使用するためのデータをプルし得る趣味プロファイル１０２０を含む。プロファイルはまた、分析エンジン１００４が、交通手段選好（例えば、車、徒歩、自転車、電車、飛行機）、相乗りサービス、公共交通サービス、及び同様のものに関連する推奨されるトランザクションを生成するために、１つ以上のＭＬモデル４３５への入力（複数可）として使用するためのデータをプルし得る交通手段プロファイル１０２２を含む。分析エンジン１００４は、プロファイルデータ構造１０２４にプロファイルを記憶し得る。
【0148】
[00165]いくつかの例では、嗜好プロファイル７０６、スタイルプロファイル７０８、娯楽プロファイル７１０、場所プロファイル１０１８、趣味プロファイル１０２０、交通手段プロファイル１０２２、及び他の同様のプロファイルは、ユーザが関与するトランザクション、ユーザが購入したオファー、ユーザが加入したか若しくは別様に関与するコミュニティ（オンライン若しくはその他）、又はこれらの組合せに対応し得る。
【0149】
[00166]図１１は、ルールエンジン２１８に関連付けられたルールタイプを例示するブロック図１１００である。ルールタイプは、天気ルール１１１０、スポーツルール１１１５、節約習慣ルール１１２０、フィットネス／健康ルール１１２５、及び同様のものを含む。
【0150】
[00167]天気ルール１１１０は、ある特定のタイプの天気において、いくつかのタイプのトランザクションが推奨されるトランザクションとして使用されることを奨励する一方で、同じタイプの天気の間、他のタイプのトランザクションが推奨されるトランザクションとして使用されることを阻止又は禁止し得る。例えば、自動化エンジン２１６が、ユーザがいる地域において、現在天気が激しい雨であることを識別した場合、天気ルール１１１０は、推奨されるトランザクションについて傘のためのトランザクションを奨励し得、一方、険しいハイキングコースのためのトランザクションを阻止又は禁止し得る。
【0151】
[00168]スポーツルール１１１５は、ユーザのスポーツ選好に基づいて、いくつかのタイプのトランザクションが推奨されるトランザクションとして使用されることを奨励する一方で、ユーザのスポーツ選好に基づいて、他のタイプのトランザクションが推奨されるトランザクションとして使用されることを阻止又は禁止し得る。例えば、自動化エンジン２１６が、ユーザが特定のスポーツチームのファンであることを識別した場合、スポーツルール１１１５は、そのスポーツチームに関連する推奨されるトランザクションを奨励し得、ライバルスポーツチームに関連する推奨されるトランザクションを阻止し得る。
【0152】
[00169]節約習慣ルール１１２０は、ユーザの節約習慣に基づいて、いくつかのタイプのトランザクションが推奨されるトランザクションとして使用されることを奨励する一方で、ユーザの節約習慣に基づいて、他のタイプのトランザクションが推奨されるトランザクションとして使用されることを阻止又は禁止し得る。例えば、自動化エンジン２１６が、ユーザが非常に倹約家（frugal）ことを識別した場合、節約習慣ルール１１２０は、より手頃な価格に関連する推奨されるトランザクションを奨励し得、贅沢な推奨されるトランザクションを阻止し得る。
【0153】
[00170]フィットネス／健康ルール１１２５は、ユーザのフィットネス／健康習慣に基づいて、いくつかのタイプのトランザクションが推奨されるトランザクションとして使用されることを奨励する一方で、ユーザのフィットネス／健康習慣に基づいて、他のタイプのトランザクションが推奨されるトランザクションとして使用されることを阻止又は禁止し得る。例えば、自動化エンジン２１６が、ユーザが非常に健康的であることを識別した場合、フィットネス／健康ルール１１２５は、フィットネス活動及び／又は健康的な食品に関連する推奨されるトランザクションを奨励し得、座って行う活動及び／又はジャンクフードに関連する推奨されるトランザクションを阻止し得る。
【0154】
[00171]いくつかの例では、天気ルール１１１０、スポーツルール１１１５、節約習慣ルール１１２０、フィットネス／健康ルール１１２５、及び他の同様のルールセットは、ユーザが関与するトランザクション、ユーザが購入したオファー、ユーザが加入したか若しくは別様に関与するコミュニティ（オンライン若しくはその他）、又はこれらの組合せに対応し得る。
【0155】
[00172]図１２は、推奨１２０５を生成するための考慮事項１２１０を例示するブロック図１２００である。いくつかの例では、推奨１２０５は、推奨されるトランザクション５２５、推奨されるコミュニティ５６０、推奨されるオファー、及び／又は他の推奨を含む。考慮事項１２１０は、トランザクションのカテゴリ１２１５、（例えば、節約習慣ルール１１２０のような）ユーザの金銭習慣１２２０、質問又は提案に対する応答１２２５（例えば、図７のようなフィードバック）、推奨に関連付けられたアクションを時間どおりに完了するユーザの能力１２３０、又はこれらの組合せを含み得る。いくつかの例では、トランザクションのカテゴリ１２１５、（例えば、節約習慣ルール１１２０のような）ユーザの金銭習慣１２２０、質問又は提案に対する応答１２２５（例えば、図７のようなフィードバック）、推奨に関連付けられたアクションを時間どおりに完了するユーザの能力１２３０、及び他の考慮事項１２１０は、ユーザが関与するトランザクション、ユーザが購入したオファー、ユーザが加入したか若しくは別様に関与するコミュニティ（オンライン若しくはその他）、又はこれらの組合せに対応し得る。
【0156】
[00173]図１３は、インテントベースの推奨を提供するシステムのシステムアーキテクチャを例示するブロック図１３００である。システムは、例えば、図３Ａ～図３Ｃのプロセス３００Ａ～３００Ｃに関して、及び／又は本明細書の他の箇所で説明されるように、１つ以上のインテントベースの推奨（複数可）１３１０を生成するように構成されたインテントベースの推奨サービス１３０５を含む。推奨（複数可）１３１０は、（例えば、ユーザによる以前のトランザクション（複数可）及び／又は他の活動に基づいて決定されるような）ユーザのインテントに基づいて、システムのユーザにコミュニティ、オファー、又はこれらの組合せを推奨し得る。
【0157】
[00174]システムは、コミュニティ及び／又はオファーの発見１３２０、（例えば、オファーを使用した、及び／又は、コミュニティメンバー間の）購入１３２５、コミュニティメンバーとのメッセージング１３３０等の、様々なユーザ体験１３１５をユーザに提供する。ユーザは、様々なコミュニティ、コミュニティ固有のオファリング（community-specific offerings）、及びシステムの他のユーザによる活動を（例えば、動的にリアルタイムで又はほぼリアルタイムで）見るために、システムの発見ユーザインターフェース（複数可）と（with）インターフェースし得る。ユーザは、コミュニティ又はオファーとのユーザのエンゲージメントを促進するために、例えば、推奨されるコミュニティ又はオファーについてもっとよく知るために、更なる発見１３２０を実施するために、メッセージング１３３０に従事するために、購入１３２５を行うために、及び同様のことのために、推奨（複数可）１３１０における任意のコミュニティ又はオファーを選択し得る。いくつかの例では、システムはまた、どのようなインテントをユーザが有しているとインテントベースの推奨サービス１３０５が決定したか、ユーザのインテントを決定するためにどのようなデータをインテントベースの推奨サービス１３０５が使用したか、及び同様のこと等の、ユーザが特定の推奨（複数可）１３１０の背後にあるインテントベースの推奨サービス１３０５の論理を見ることができるインターフェースをユーザに提供し得る。このようにして、システムは、ユーザに更なる透明性及び認識を提供し得る。いくつかの例では、ユーザのインテントを決定するためにインテントベースの推奨サービス１３０５によって使用されるユーザのデータは、ユーザプロファイルデータデータストア（ＤＳ）１３４０に記憶され得る。ユーザプロファイルデータＤＳ１３４０はまた、インテントベースの推奨サービス１３０５によって提供される推奨（複数可）１３１０とのユーザのインタラクションを記憶するために、プロファイル強化サービス１３３５を使用して更新され得、これは順に、ユーザのインテントの将来の決定及びインテントベースの推奨サービス１３０５によるユーザのための将来の推奨（複数可）１３１０に影響を及ぼし得る。プロファイル強化サービス１３３５は、これらのインタラクションを追跡し、ユーザプロファイルデータＤＳ１３４０を編集し得、訓練データとして、ユーザプロファイルデータＤＳ１３４０における新しいデータを（場合によっては、ユーザがインタラクトしている推奨（複数可）１３１０と共に）使用して、インテントベースの推奨サービス１３０５の訓練されたＭＬモデル（複数可）４３５に対する更なる更新を開始し得る。訓練されたＭＬモデル（複数可）４３５に対するこれらの更新は、将来の推奨（複数可）１３１０を改良し得る。
【0158】
[00175]いくつかの例では、ユーザプロファイルデータＤＳ１３４０は、様々なコミュニティ、購入、オファー、及び／又は推奨（複数可）１３１０とのインタラクション等の、ユーザが取る様々なアクションを記憶し得る。例えば、ユーザプロファイルデータＤＳ１３４０は、ユーザ識別子、名前、電話番号、住所、電子メールアドレス、ユーザに関連付けられたデジタルウォレットのための（例えば、暗号通貨ウォレット又はｗｅｂ３ウォレットのための）ウォレットハッシュ、ユーザ及び／若しくはウォレットハッシュに関連付けられた少なくとも１つの分散型台帳（例えば、ブロックチェーン台帳若しくはＤＡＧ台帳）からのデータ、ユーザの行動学的データ、ユーザが加入したコミュニティ、ユーザによって購入若しくは売却された資産、異なるコミュニティ内でのユーザの活動、ユーザに提供されたインテントベースの推奨（複数可）１３１０において何が推奨されたか、どのようにユーザがユーザに提供されたインテントベースの推奨（複数可）１３１０とインタラクトしたか（例えば、推奨（複数可）１３１０は見られた又は選択されたか、ユーザは推奨される購入をおこなったか又は推奨されるコミュニティに加入したか、ユーザは推奨されるコミュニティ内でメッセージを送ったか）、ユーザによって購入された及び／若しくは所有される資産のタイプ、ユーザによる投資の段階（例えば、初期段階又は後期段階）、ユーザ選好若しくは好み（例えば、スポーツ、ファインアート、ストリートアート、ファッション、等）、ユーザによって購入された資産の平均購入価格、購入後にユーザが資産（複数可）を保有している期間（例えば、ユーザは、長期サポータ又は短期資産フリッパーであるか）加入したコミュニティのタイプ、各コミュニティ内でユーザがどのくらい活動的であるか、異なる資産及び／若しくはサービスの使用頻度、本明細書で説明される他のユーザデータ、又はこれらの組合せを記憶し得る。
【0159】
[00176]プロファイル強化サービス１３３５は、ユーザ固有のデータをキャプチャし、それに応じてデータをルーティングするように構成される。いくつかの例では、プロファイル強化サービス１３３５は、（例えば、推奨（複数可）１３１０に対応するインターフェースからを含む）インテントベースの推奨サービス１３０５とユーザとの間のインターフェース（複数可）から、ユーザ行動データ（及び上述の他の形態のユーザデータ）をキャプチャし、ユーザプロファイルデータＤＳ１３４０に記憶されるようにこのデータをルーティングし得る。いくつかの例では、プロファイル強化サービス１３３５は、ユーザプロファイルデータＤＳ１３４０からユーザ行動データ（及び上述の他の形態のユーザデータ）をキャプチャし得る。いくつかの例では、プロファイル強化サービス１３３５は、分散型台帳１３５５、分散型台帳１３６０、及び分散型台帳１３６５等の、様々な分散型台帳からのデータに（例えば、分散型台帳データサービス１３５０及び／又は資産認証サービス１３４５を介して）アクセスし得る。プロファイル強化サービス１３３５は、分散型台帳（複数可）からのデータをユーザプロファイルデータＤＳ１３４０に記憶し得、並びに／又は、訓練されたＭＬモデル（複数可）４３５を訓練及び／若しくは更新するためにそのデータを使用し得る。プロファイル強化サービス１３３５は、任意の生成された推奨（複数可）１３１０、及び／又はそれとの任意のユーザインタラクションに関する情報を、ユーザプロファイルデータＤＳ１３４０に記憶し得、及び／又は、訓練されたＭＬモデル（複数可）４３５を訓練及び／又は更新するためにそのデータを使用し得る。いくつかの例では、ユーザによるシステムにおけるいくつかのユーザ体験１３１５（例えば、発見１３２０、購入１３２５、及び／又はメッセージング１３３０）が、ユーザのための新しい推奨（複数可）１３１０を生成するために、インテントベースの推奨サービス１３０５とインタラクトするように、プロファイル強化サービス１３３５をトリガし得る。
【0160】
[00177]プロファイル強化サービス１３３５は、例えば、分散型台帳１３５５、分散型台帳１３６０、及び／又は分散型台帳１３６５等の１つ以上の分散型台帳から、更新された分散型台帳データを受信するために、資産認証サービス１３４５及び／又は分散型台帳サービス１３５０とインタラクトし得る。これらの分散型台帳の各々は、ブロックチェーン台帳、ＤＡＧ台帳、ハッシュグラフ台帳、プライベート台帳、パブリック台帳、許可型台帳、非許可型台帳、又はこれらの組合せであり得る。資産認証サービス１３４５は、ユーザに関連付けられたデジタルウォレット（例えば、暗号通貨ウォレット及び／又はｗｅｂ３ウォレット）のデジタルウォレットハッシュ、及び／又はユーザ固有の認証トークンを受信する。資産認証サービス１３４５は、指定されたユーザがデジタルウォレットの真の所有者であることを保証するために、デジタルウォレットハッシュ及び／又は認証トークンを使用する。資産認証サービス１３４５がデジタルウォレットの所有権を認証すると、ウォレット内の資産及び／又はウォレットハッシュに関する情報が、資産認証サービス１３４５から分散型台帳サービス１３５０に送られる。
【0161】
[00178]分散型台帳サービス１３５０は、ユーザに関連付けられたデジタルウォレットに関連する１つ以上の分散型台帳（例えば、分散型台帳１３５５、分散型台帳１３６０、及び／又は分散型台帳１３６５）から現在のデータ及び／又は履歴データをプルする。分散型台帳の例は、イーサリアム（Ethereum）、ポリゴン（Polygon）、ビットコイン（Bitcoin）、ソラナ（Solana）、及び／又は他の分散型台帳タイプを含む。分散型台帳サービス１３５０によってクエリ及び／又は検索された情報は、分散型台帳サービス１３５０から、資産認証サービス１３４５、プロファイル強化サービス１３３５、及び／又はユーザデータＤＳ１３４０に送られ、将来の推奨（複数可）１３１０を向上させるように、訓練されたＭＬモデル（複数可）４３５の訓練を更新するために使用され得る。
【0162】
[00179]インテントベースの推奨サービス１３０５は、ユーザが加入するためのコミュニティ、ユーザが参加するためのトランザクション、及び／又はユーザが購入するためのオファーに関する、個人化された及びユーザ関連の推奨（複数可）１３１０を出力するために、（例えば、本明細書に記載されるような、ユーザプロファイルデータＤＳ１３４０からの、及び／又は、様々な分散型台帳（複数可）からの）ユーザ固有のプロファイルデータを使用し得る。インテントベースの推奨サービス１３０５は、更なるユーザ固有のプロファイルデータが受信されるにつれて、例えば、ユーザが他の推奨とインタラクトするにつれて、ユーザがコミュニティとインタラクトするにつれて、ユーザがトランザクションに参加するにつれて、ユーザがオファーを購入するにつれて、及び同様のことにつれて、推奨（複数可）１３１０を動的にリアルタイムで（又はほぼリアルタイムで）生成し得る。インテントベースの推奨サービス１３０５は、インテントベースの推奨サービス１３０５が、インテント（例えば、予測インテント４６０）を決定するために、及び／又は推奨（複数可）１３１０を生成するために使用する訓練されたＭＬモデル（複数可）４３５を訓練及び／又は更新するために、（例えば、本明細書に記載されるような、ユーザプロファイルデータＤＳ１３４０からの、及び／又は、様々な分散型台帳（複数可）からの）ユーザ固有のプロファイルデータを使用し得る。図３Ａ～図３Ｃの推奨されるトランザクション、推奨されるトランザクション５３５、及び推奨されるコミュニティ５６０は、推奨（複数可）１３１０の例である。いくつかの例では、ユーザは、例えば、推奨されるコミュニティに加入すること、推奨されるオファーを購入すること、又は推奨されるトランザクションに参加することによって、推奨（複数可）１３１０とインタラクトすることに対する報酬（例えば、資産）を自動的に受け取り得る。
【0163】
[00180]図１４は、トランザクションについてのインテントを決定するために、並びに／又は、推奨されるトランザクション、推奨されるコミュニティ、及び／若しくは推奨されるオファーを生成するために、機械学習エンジンによって使用され得るニューラルネットワーク（ＮＮ）１４００の一例を例示するブロック図である。機械学習エンジン及び／又はＮＮ１４００の例は、ＭＬエンジン２４８、図３Ｂの動作３１０及び動作３１２の１つ以上の訓練された機械学習モデルに関連付けられたＭＬエンジン、図３Ｃの動作３２２～３２８の第１の訓練されたＭＬモデルに関連付けられたＭＬエンジン、図３Ｃの動作３３０～３３４の訓練されたＭＬモデルに関連付けられたＭＬエンジン、図４及び図５Ａ～図５ＢのＭＬエンジン４３０、エンゲージメントＡＩ／ＭＬエンジン６１２、ＡＩ／ＭＬエンジン６６０、ＡＩ／ＭＬエンジン９２５、並びにこれらの組合せを含む。ニューラルネットワーク１４００は、畳み込みニューラルネットワーク（ＣＮＮ）、オートエンコーダ、ディープビリーフネット（ＤＢＮ）、再帰型ニューラルネットワーク（ＲＮＮ）、敵対的生成ネットワーク（ＧＡＮ：Generative Adversarial Networks）、及び／又は他のタイプのニューラルネットワーク等の、任意のタイプのディープネットワークを含み得る。
【0164】
[00181]ＮＮ１４００を使用したトランザクションについてのインテントに関する決定の例は、動作３０４、動作３１０、動作３２４、及び／又は予測インテント４６０の決定を含む。ＮＮ１４００を使用した推奨されるトランザクション、推奨されるコミュニティ、及び／又は推奨されるオファーの生成の例は、動作３０６、動作３１２、動作３３２、推奨されるトランザクション５２５の生成、推奨されるコミュニティ５６０の生成、推奨１２０５の生成、及び／又は推奨（複数可）１３１０の生成を含む。ＮＮ１４００を使用して行われる他の決定の例は、ユーザが、車を持っているかどうか、家を持っているかどうか、交際中であるかどうか、特定のチャリティに関心があるかどうか、特定の政治的所属を持っているかどうか、及び同様のこと等の、ユーザの特性に関する決定を含む。
【0165】
[00182]ニューラルネットワーク１４００の入力層１４１０が、入力データを含む。入力層１４１０の入力データは、例えば、第１のトランザクション４１５を識別するユーザ４１０に関する履歴情報４０５、第１のトランザクション４１５についてのインテント５０５、データレイク６５８からのデータ、オペレーショナルデータベース６５６からのデータ、又はこれらの組合せを表すデータを含み得る。例示的な例では、入力層１４１０の入力データは、第１のトランザクション４１５を識別するユーザ４１０に関する履歴情報４０５を表すデータを含み得る。別の例示的な例では、入力層１４１０の入力データは、第１のトランザクション４１５についてのインテント５０５を表すデータを含み得る。別の例示的な実施例では、入力層１４１０の入力データは、第１のコミュニティ５８０についてのインテント５７５を表すデータを含み得る。
【0166】
[00183]ニューラルネットワーク１４００は、複数の隠れ層１４１２Ａ、１４１２Ｂ、．．．１４１２Ｎを含む。隠れ層１４１２Ａ、１４１２Ｂ、．．．１４１２Ｎは、「Ｎ」個の隠れ層を含み、ここで、Ｎは、１以上の整数である。隠れ層の数は、所与のアプリケーションに必要とされるのと同じ数の層を含むようにされ得る。ニューラルネットワーク１４００は、隠れ層１４１２Ａ、１４１２Ｂ、．．．１４１２Ｎによって行われる処理から生じる出力を提供する出力層１４１４を更に含む。いくつかの例では、出力層１４１４は、第１のトランザクション４１５についての予測インテント４６０、推奨されるトランザクション５２５、推奨されるコミュニティ５０６、ユーザの特性に関する決定、インタラクションエンジン６６２のサービスのうちの１つに関連付けられた決定、プロファイル７０６～７１０及び／若しくは１０１８～１０２２のうちの１つに関連付けられた決定、別の決定、又はこれらの組合せを提供し得る。
【0167】
[00184]ニューラルネットワーク１４００は、相互接続されたフィルタの多層ニューラルネットワークである。各フィルタは、入力データを表す特徴を学習するように訓練され得る。フィルタに関連付けられた情報は、異なる層間で共有され、各層は、情報が処理されるにつれて、情報を保持する。場合によっては、ニューラルネットワーク１４００は、フィードフォワードネットワークを含み得、この場合、ネットワークの出力がそれ自体にフィードバックされるフィードバック接続は存在しない。場合によっては、ネットワーク１４００は、再帰型ニューラルネットワークを含み得、これは、入力を読み込みながら、ノードにわたって情報が伝達されることを可能にするループを有し得る。
【0168】
[00185]場合によっては、情報は、様々な層間のノード間相互接続を通じて、層間で交換され得る。場合によっては、ネットワークは、畳み込みニューラルネットワークを含み得、畳み込みニューラルネットワークは、ある層にある全てのノードを、次の層にある全ての他のノードにつなげるとは限らない。情報が層間で交換されるネットワークでは、入力層１４１０のノードは、第１の隠れ層１４１２Ａにあるノードのセットを活性化し得る。例えば、図示されるように、入力層１４１０の入力ノードの各々は、第１の隠れ層１４１２Ａのノードの各々に接続され得る。隠れ層のノードは、各入力ノードの情報を、この情報に活性化関数（例えば、フィルタ）を適用することによって変換し得る。次いで、変換から導出された情報は、次の隠れ層１４１２Ｂのノードに渡され得、ノードを活性化し得、ノードは、それら自体の指定された関数（functions）を行い得る。例となる関数は、畳み込み関数、ダウンスケーリング、アップスケーリング、データ変換、及び／又はその他任意の好適な関数を含む。次いで、隠れ層１４１２Ｂの出力は、次の隠れ層のノードを活性化し得、以下同様である。最後の隠れ層１４１２Ｎの出力は、出力層１４１４の１つ以上のノードを活性化し得、出力層１４１４は、処理された出力画像を提供する。場合によっては、ニューラルネットワーク１４００におけるノード（例えば、ノード１４１６）が、複数の出力ラインを有するものとして示されているが、ノードは、単一の出力を有し、ノードから出力されるものとして示されている全てのラインは、同じ出力値を表す。
【0169】
[00186]場合によっては、各ノード、又はノード間の相互接続は、ニューラルネットワーク１４００の訓練から導出されたパラメータのセットである重みを有し得る。例えば、ノード間の相互接続は、相互接続されたノードに関して学習された一片の情報を表し得る。相互接続は、（例えば、訓練データセットに基づいて）調整され得る調整可能な数値重みを有し得、ニューラルネットワーク１４００が、入力に適応でき、ますます多くのデータが処理されるにつれて学習可能であることを可能にする。
【0170】
[00187]ニューラルネットワーク１４００は、出力層１４１４を通じて出力を提供するために、異なる隠れ層１４１２Ａ、１４１２Ｂ、．．．１４１２Ｎを使用して、入力層１４１０におけるデータからの特徴を処理するように事前訓練される。
【0171】
[00188]図１５は、本技術のある特定の態様を実装するためのシステムの例を例示する図である。特に、図１５は、コンピューティングシステム１５００の例を例示し、これは、例えば、内部コンピューティングシステム、リモートコンピューティングシステム、カメラ、又は、システムの構成要素が接続１５０５を使用して互いに通信状態にあるそれらの任意の構成要素を構成する任意のコンピューティングデバイスであり得る。接続１５０５は、バスを使用した物理的な接続、又はチップセットアーキテクチャ等での、プロセッサ１５１０への直接接続であり得る。接続１５０５はまた、仮想接続、ネットワーク化された接続、又は論理接続であり得る。
【0172】
[00189]いくつかの実施形態では、コンピューティングシステム１５００は、本開示で説明された機能がデータセンタ、複数のデータセンタ、ピアネットワーク、等の内に分散され得る分散システムである。いくつかの実施形態では、説明されたシステム構成要素のうちの１つ以上は、それに関して構成要素が説明される機能の一部又は全てをそれぞれ行う、多くのそのような構成要素を表す。いくつかの実施形態では、構成要素は、物理デバイス又は仮想デバイスであり得る。
【0173】
[00190]例となるシステム１５００は、少なくとも１つの処理ユニット（ＣＰＵ又はプロセッサ）１５１０と、読取専用メモリ（ＲＯＭ）１５２０及びランダムアクセスメモリ（ＲＡＭ）１５２５等のシステムメモリ１５１５を含む様々なシステム構成要素をプロセッサ１５１０に結合する接続１５０５と、を含む。コンピューティングシステム１５００は、プロセッサ１５１０に直接接続されるか、それに近接しているか、又はその一部として一体化されている、高速メモリのキャッシュ１５１２を含み得る。
【0174】
[00191]プロセッサ１５１０は、任意の汎用プロセッサ、及び、記憶デバイス１５３０に記憶され、プロセッサ１５１０を制御するように構成されたサービス１５３２、１５３４、及び１５３６等の、ハードウェアサービス又はソフトウェアサービス、並びに、ソフトウェア命令が実際のプロセッサ設計に組み込まれている専用プロセッサを含み得る。プロセッサ１５１０は、本質的に、複数のコア又はプロセッサ、バス、メモリコントローラ、キャッシュ、等を含む、完全に自己完結型のコンピューティングシステムであり得る。マルチコアプロセッサは、対称型又は非対称型であり得る。
【0175】
[00192]ユーザインタラクションを可能にするために、コンピューティングシステム１５００は、入力デバイス１５４５を含み、これは、音声用のマイクロホン、ジェスチャ又はグラフィカル入力用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、音声、等のような、任意の数の入力メカニズムを表し得る。コンピューティングシステム１５００はまた、出力デバイス１５３５を含み得、これは、いくつかの出力メカニズムのうちの１つ以上であり得る。いくつかの事例では、マルチモーダルシステムが、ユーザがコンピューティングシステム１５００と通信するために複数のタイプの入力／出力を提供することを可能にし得る。コンピューティングシステム１５００は、通信インターフェース１５４０を含み得、これは、一般に、ユーザ入力及びシステム出力を統制（govern）及び管理し得る。通信インターフェースは、オーディオジャック／プラグ、マイクロホンジャック／プラグ、ユニバーサルシリアルバス（ＵＳＢ）ポート／プラグ、Apple（登録商標） Lightning（登録商標）ポート／プラグ、イーサネット（登録商標）ポート／プラグ、光ファイバポート／プラグ、プロプライエタリワイヤードポート／プラグ、ＢＬＵＥＴＯＯＴＨ（登録商標）ワイヤレス信号転送、ＢＬＵＥＴＯＯＴＨ（登録商標）低エネルギー（ＢＬＥ）ワイヤレス信号転送、ＩＢＥＡＣＯＮ（登録商標）ワイヤレス信号転送、無線周波数識別（ＲＦＩＤ）ワイヤレス信号転送、近距離通信（ＮＦＣ）ワイヤレス信号転送、専用短距離通信（ＤＳＲＣ）ワイヤレス信号転送、８０２．１１Ｗｉ－Ｆｉワイヤレス信号転送、ワイヤレスローカルエリアネットワーク（ＷＬＡＮ）信号転送、可視光通信（ＶＬＣ）、ＷｉＭＡＸ（Worldwide Interoperability for Microwave Access）、赤外線（ＩＲ）通信ワイヤレス信号転送、公衆交換電話網（ＰＳＴＮ）信号転送、統合サービスデジタルネットワーク（ＩＳＤＮ）信号転送、３Ｇ／４Ｇ／５Ｇ／ＬＴＥ（登録商標）セルラデータネットワークワイヤレス信号転送、アドホックネットワーク信号転送、電波信号転送、マイクロ波信号転送、赤外線信号転送、可視光信号転送、紫外線信号転送、電磁スペクトルに沿ったワイヤレス信号転送、又はこれらの何らかの組合せを利用するものを含めて、有線及び／又はワイヤレストランシーバを使用して、有線又はワイヤレス通信の受信及び／又は送信を行うか又は容易にし得る。通信インターフェース１５４０はまた、１つ以上の全地球的航法衛星システム（ＧＮＳＳ）システムに関連付けられた１つ以上の衛星からの１つ以上の信号の受信に基づいて、コンピューティングシステム１５００の位置を決定するために使用される１つ以上のＧＮＳＳ受信機又はトランシーバを含み得る。ＧＮＳＳシステムは、限定はしないが、米国を拠点する全地球測位システム（ＧＰＳ）、ロシアを拠点する全地球航法衛星システム（ＧＬＯＮＡＳＳ）、中国を拠点とする北斗航法衛星システム（ＢＤＳ）、及び欧州を拠点とするガリレオＧＮＳＳを含む。任意の特定のハードウェア構成（arrangement）上で動作することに制限はなく、したがって、ここでの基本的な機能は、改善されたハードウェア又はファームウェア構成が開発されるにつれて、それらで容易に置き換えられ得る。
【0176】
[00193]記憶デバイス１５３０は、不揮発性及び／又は非一時的及び／又はコンピュータ可読メモリデバイスであり得、磁気カセット、フラッシュメモリカード、ソリッドステートメモリデバイス、デジタル多用途ディスク、カートリッジ、フロッピー（登録商標）ディスク、フレキシブルディスク、ハードディスク、磁気テープ、磁気ストリップ／ストライプ、その他任意の磁気記憶媒体、フラッシュメモリ、メモリスタメモリ、その他任意のソリッドステートメモリ、コンパクトディスク読取専用メモリ（ＣＤ－ＲＯＭ）光ディスク、再書き込み可能コンパクトディスク（ＣＤ）光ディスク、デジタルビデオディスク（ＤＶＤ）光ディスク、ブルーレイディスク（ＢＤＤ）光ディスク、ホログラフィック光ディスク、別の光媒体、セキュアデジタル（ＳＤ）カード、マイクロセキュアデジタル（ｍｉｃｒｏＳＤ）カード、Memory Stick（登録商標）カード、スマートカードチップ、ＥＭＶチップ、加入者アイデンティティモジュール（ＳＩＭ）カード、ミニ／マイクロ／ナノ／ピコＳＩＭカード、別の集積回路（ＩＣ）チップ／カード、ランダムアクセスメモリ（ＲＡＭ）、スタティックＲＡＭ（ＳＲＡＭ）、ダイナミックＲＡＭ（ＤＲＡＭ）、読取専用メモリ（ＲＯＭ）、プログラマブル読取専用メモリ（ＰＲＯＭ）、消去可能プログラマブル読取専用メモリ（ＥＰＲＯＭ）、電気的消去可能プログラマブル読取専用メモリ（ＥＥＰＲＯＭ（登録商標））、フラッシュＥＰＲＯＭ（ＦＬＡＳＨＥＰＲＯＭ）、キャッシュメモリ（Ｌ１／Ｌ２／Ｌ３／Ｌ４／Ｌ５／Ｌ＃）、抵抗ランダムアクセスメモリ（ＲＲＡＭ（登録商標）／ＲｅＲＡＭ）、相変化メモリ（ＰＣＭ）、スピントランスファートルクＲＡＭ（ＳＴＴ－ＲＡＭ）、別のメモリチップ若しくはカートリッジ、及び／又はこれらの組合せ等の、コンピュータによってアクセス可能なデータを記憶し得るハードディスク又は他のタイプのコンピュータ可読媒体であり得る。
【0177】
[00194]記憶デバイス１５３０は、そのようなソフトウェアを定義するコードがプロセッサ１５１０によって実行されると、それがシステムに機能を行わせる、ソフトウェアサービス、サーバ、サービス、等を含み得る。いくつかの実施形態では、特定の機能を行うハードウェアサービスが、その機能を実施するために、プロセッサ１５１０、接続１５０５、出力デバイス１５３５、等のような、必要なハードウェア構成要素に関連してコンピュータ可読媒体に記憶されたソフトウェア構成要素を含み得る。
【0178】
[00195]本明細書で使用される場合、「コンピュータ可読媒体」という用語は、限定はしないが、ポータブル又は非ポータブル記憶デバイス、光記憶デバイス、並びに命令（複数可）及び／又はデータを記憶するか、含むか、又は搬送すること可能な様々な他の媒体を含む。コンピュータ可読媒体は、データが記憶され得、かつ、ワイヤレスに又は有線接続を介して伝搬する一時的な電子信号及び／又は搬送波を含まない、非一時的な媒体を含み得る。非一時的な媒体の例は、限定はしないが、磁気ディスク又はテープ、コンパクトディスク（ＣＤ）若しくはデジタル多用途ディスク（ＤＶＤ）等の光記憶媒体、フラッシュメモリ、メモリ又はメモリデバイスを含み得る。コンピュータ可読媒体は、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、又は、命令、データ構造、若しく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、コード及び／又は機械実行可能命令をその上に記憶し得る。コードセグメントは、情報、データ、引数、パラメータ、又はメモリコンテンツを渡すこと及び／又は受け取ることによって、別のコードセグメント又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、等は、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、又は同様のことを含む、任意の好適な手段を使用して渡され得るか、転送され得るか、又は送信され得る。
【0179】
[00196]いくつかの実施形態では、コンピュータ可読記憶デバイス、媒体、及びメモリは、ビットストリーム及び同様のものを含むワイヤレス信号又はケーブルを含み得る。しかしながら、言及されている場合、非一時的なコンピュータ可読記憶媒体は、エネルギー、搬送波信号、電磁波、及び信号自体等の媒体を明示的に除外する。
【0180】
[00197]本明細書で提供される実施形態及び例の完全な理解を提供するために、上記の説明において特定の詳細が提供された。しかしながら、当業者であれば、実施形態は、これらの特定の詳細なしに実施され得ることを理解されよう。説明を明確にするために、いくつかの事例では、本技術は、デバイス、デバイス構成要素、ソフトウェアで具現化される方法におけるステップ若しくはルーチン、又はハードウェアとソフトウェアとの組合せを備える機能ブロックを含む、個々の機能ブロックを含むものとして提示され得る。図示及び／又は本明細書に記載されたもの以外の追加の構成要素が使用され得る。例えば、回路、システム、ネットワーク、プロセス、及び他の構成要素は、不要な詳細で実施形態を不明瞭にしないために、ブロック図形式の構成要素として示され得る。他の事例では、周知の回路、プロセス、アルゴリズム、構造、及び技法が、これら実施形態を不明瞭することを回避するために、不要な詳細なしで示され得る。
【0181】
[00198]個々の実施形態は、フローチャート、フロー図、データフロー図、構造図、又はブロック図として図示されるプロセス又は方法として上述され得る。フローチャートは、順次プロセスとして動作を説明し得るが、動作の多くは、並行して又は同時並行に行われ得る。加えて、動作の順序は、並べ換えられ得る。プロセスは、その動作が完了したときに終了するが、図面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、等に対応し得る。プロセスが関数に対応するとき、その終了は、関数が呼出し関数又は主関数に戻ることに対応し得る。
【0182】
[00199]上記で説明された例によるプロセス及び方法は、コンピュータ可読媒体に記憶されるか、又はコンピュータ可読媒体から別様に利用可能なコンピュータ実行可能命令を使用して実装され得る。そのような命令は、例えば、汎用コンピュータ、専用コンピュータ、又は処理デバイスに、ある特定の機能又は機能のグループを行わせるか、又はさもなければそれらを行うように構成する、命令及びデータを含み得る。使用されるコンピュータリソースの部分は、ネットワークを介してアクセス可能であり得る。コンピュータ実行可能命令は、例えば、バイナリ、アセンブリ言語等の中間フォーマット命令、ファームウェア、ソースコード、等であり得る。説明された例による方法の間に作成される情報、使用される情報、及び／又は命令を記憶するために使用され得るコンピュータ可読媒体の例は、磁気又は光ディスク、フラッシュメモリ、不揮発性メモリが設けられたＵＳＢデバイス、ネットワーク化された記憶デバイス等を含む。
【0183】
[00200]これらの開示によるプロセス及び方法を実装するデバイスは、ハードウェア、ソフトウェア、ファームウェア、ミドルウェア、マイクロコード、ハードウェア記述言語、又はこれらの任意の組合せを含み得、様々なフォームファクタのいずれかをとり得る。ソフトウェア、ファームウェア、ミドルウェア又はマイクロコードで実装されるとき、必要なタスクを実行するためのプログラムコード又はコードセグメント（例えば、コンピュータプログラム製品）は、コンピュータ可読媒体又は機械可読媒体に記憶され得る。プロセッサ（複数可）が、必要なタスクを行い得る。フォームファクタの典型的な例は、ラップトップ、スマートフォン、モバイルフォン、タブレットデバイス又は他の小型フォームファクタパーソナルコンピュータ、携帯情報端末、ラックマウントデバイス、スタンドアロンデバイス等を含む。本明細書に記載された機能はまた、周辺機器又はアドインカードにおいて具現化さ得る。このような機能はまた、更なる例として、回路基板上の異なるチップ間で、又は、単一のデバイスにおいて実行されている異なるプロセス間で、実装され得る。
【0184】
[00201]命令、そのような命令を伝達するための媒体、それらを実行するためのコンピューティングリソース、及びそのようなコンピューティングリソースをサポートするための他の構造は、本開示で説明された機能を提供するための例となる手段である。
【0185】
[00202]前述の説明では、本願の態様は、その特定の実施形態を参照して説明されたが、当業者であれば、本願はそれに限定されないことを認識されよう。したがって、本願の例示的な実施形態が本明細書で詳細に説明されてきたが、本発明の概念は、別様に様々に具現化及び用いられ得、添付の特許請求の範囲は、先行技術によって限定されている場合を除き、そのような変形を含むように解釈されるよう意図されていることを理解されたい。上記で説明された本願の様々な特徴及び態様は、個々に又は共同で使用され得る。さらに、実施形態は、本明細書のより広い趣旨及び範囲から逸脱することなく、本明細書に記載されるもの以外の、任意の数の環境及びアプリケーションにおいて利用され得る。したがって、本明細書及び図面は、限定的ではなく、例示的であると見なされる。例示を目的として、方法は、特定の順序で説明された。代替の実施形態では、方法は、説明された順序とは異なる順序で行われ得ることを理解されたい。
【0186】
[00203]当業者は、本明細書で使用される小なり（「＜」）及び大なり（「＞」）記号又は用語が、本説明の範囲から逸脱することなく、それぞれ、小なりイコール（「≦」）及び大なりイコール（「≧」）記号と置き換えられ得ることを理解されよう。
【0187】
[00204]構成要素が、ある特定の動作を実行する「ように構成される」ものとして説明されている場合、このような構成は、例えば、動作を実行するように電子回路又は他のハードウェアを設計することによって、動作を実行するようにプログラム可能な電子回路（例えば、マイクロプロセッサ、又は他の好適な電子回路）をプログラミングすることによって、又はこれらの任意の組合せで、達成され得る。
【0188】
[00205]「～に結合される」という句は、直接的若しくは間接的に別の構成要素に物理的に接続された任意の構成要素、並びに／又は、直接的若しくは間接的に別の構成要素と通信している（例えば有線若しくはワイヤレス接続、及び／又は他の好適な通信インターフェースを介して別の構成要素に接続された）任意の構成要素を指す。
【0189】
[00206]セット「のうちの少なくとも１つ」及び／又はセットの「うちの１つ以上」を記載する請求項の文言又は他の文言は、セットの１つのメンバ又は（任意の組合せでの）セットの複数のメンバが請求項を満たすことを示す。例えば、「Ａ及びＢのうちの少なくとも１つ」を記載する請求項の文言は、Ａ、Ｂ、又は、Ａ及びＢを意味する。別の例では、「Ａ、Ｂ、及びＣのうちの少なくとも１つ」を記載する請求項の文言は、Ａ、Ｂ、Ｃ、又は、Ａ及びＢ、又は、Ａ及びＣ、又は、Ｂ及びＣ、又は、Ａ及びＢ及びＣを意味する。セット「のうちの少なくとも１つ」及び／又はセットの「うちの１つ以上」という文言は、セットを、セット中に列挙されたアイテムに限定しない。例えば、「Ａ及びＢのうちの少なくとも１つ」を記載する請求項の文言は、Ａ、Ｂ、又は、Ａ及びＢを意味し得、加えて、Ａ及びＢのセット中に列挙されていないアイテムも含み得る。
【0190】
[00207]本明細書で開示された実施形態に関連して説明された様々な例示的な論理ブロック、モジュール、回路、及びアルゴリズムステップは、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、又はこれらの組合せとして実装され得る。ハードウェアとソフトウェアのこの互換性を明確に例示するために、様々な例示的な構成要素、ブロック、モジュール、回路、及びステップが、概してそれらの機能の観点から上記で説明されてきた。このような機能が、ハードウェアとして実装されるか、又はソフトウェアとして実装されるかは、特定のアプリケーション及びシステム全体に課せられる設計制約に依存する。当業者は、特定のアプリケーションごとに多様な方法において、説明された機能を実装し得るが、このような実装の決定は、本願の範囲から逸脱を引き起こしていると解釈されるべきでない。
【0191】
[00208]本明細書に記載された技法はまた、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、又はこれらの任意の組合せで実装され得る。このような技法は、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、又はワイヤレス通信デバイスハンドセット及び他のデバイスにおけるアプリケーションを含む複数の用途を有する集積回路デバイス等の様々なデバイスのうちの任意のもので実装され得る。モジュール又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おいて共に実装され得るか、又はディスクリートではあるが相互動作可能な論理デバイスとして別々に実装され得る。ソフトウェアで実装される場合、本技法は、少なくとも部分的に、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実現され得、これら命令は、実行されると、上述した方法のうちの１つ以上を実行する。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、同期ダイナミックランダムアクセスメモリ（ＳＤＲＡＭ）等のランダムアクセスメモリ（ＲＡＭ）、読取専用メモリ（ＲＯＭ）、不揮発ランダムアクセスメモリ（ＮＶＲＡＭ）、電気的に消去可能なプログラマブル読取専用メモリ（ＥＥＰＲＯＭ）、ＦＬＡＳＨ（登録商標）メモリ、磁気又は光データ記憶媒体、及び同様のもの等の、メモリ又はデータ記憶媒体を備え得る。本技法は、追加又は代替として、少なくとも部分的に、伝搬された信号又は波等の、コンピュータによってアクセス、読み取り、及び／又は実行され得、かつ、データ構造又は命令の形態でプログラムコードを搬送又は通信する、コンピュータ可読通信媒体によって実現され得る。
【0192】
[00209]プログラムコードは、プロセッサによって実行され得、これは、1つ以上のデジタルシグナルプロセッサ（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）、又は他の同等の集積された又はディスクリートな論理回路等の、1つ以上のプロセッサを含み得る。このようなプロセッサは、本開示において説明された技法のうちのいずれかを行う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、このプロセッサは、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、又はステートマシン（state machine）であり得る。プロセッサはまた、コンピューティングデバイスの組合せ、例えば、ＤＳＰとマイクロプロセッサの組合せ、複数のマイクロプロセッサ、ＤＳＰコアと連携した１つ以上のマイクロプロセッサ、又はその他任意のこのような構成として実装され得る。したがって、本明細書で使用される場合、「プロセッサ」という用語は、前述の構造の任意のもの、前述の構造の任意の組合せ、又は本明細書に記載された技法の実装に好適なその他任意の構造又は装置を指し得る。加えて、いくつかの態様では、本明細書に記載された機能は、符号化及び復号のために構成された専用のソフトウェアモジュール又はハードウェアモジュール内に設けられ得、又は、複合ビデオエンコーダ－デコーダ（ＣＯＤＥＣ）に組み込まれ得る。
【0193】
[00210]本開示の例示的な態様は、以下を含む：
【0194】
[00211] 態様１．自動化されたアカウントインタラクションの方法であって、方法は、第１のユーザに対応する第１のアカウントに関連付けられた履歴情報を受信すること、ここにおいて、履歴情報は、第１のアカウントが関与するトランザクションを識別する、と、１つ以上の訓練された機械学習モデルに履歴情報を入力することによって、トランザクションについてのインテントを識別するために、１つ以上の訓練された機械学習モデルを使用することと、１つ以上の訓練された機械学習モデルにトランザクションについてのインテントを入力することによって、推奨されるトランザクションを生成するために、１つ以上の訓練された機械学習モデルを使用することと、推奨されるトランザクションを出力することと、推奨されるトランザクションに関する確認を受信することと、確認に基づいて、１つ以上の追加のインテント及び１つ以上の追加の推奨されるトランザクションを識別する際に使用するための１つ以上の訓練された機械学習モデルを更新するために、インテント及び推奨されるトランザクションを使用することと、を備える、方法。
【0195】
[00212] 態様２．確認の受信に応答して、第１のユーザに代わって推奨されるトランザクションの実行を自動的に開始することを更に備える、態様１に記載の方法。
【0196】
[00213] 態様３．推奨されるトランザクションの実行に応答して、トランザクション完了確認を自動的に出力することを更に備える、態様２に記載の方法。
【0197】
[00214] 態様４．第２のアカウントに関連付けられた第２の履歴情報を受信することを更に備え、ここにおいて、トランザクションについてのインテントを識別することは、第１のアカウントと第２のアカウントとの間のつながりを識別することを含み、トランザクションについてのインテントを識別することはまた、第２の履歴情報に基づく、態様１～３のいずれかに記載の方法。
【0198】
[00215] 態様５．推奨されるトランザクションは、１つ以上の資産を第１のアカウントから第２のアカウントに移動することの推奨を含む、態様４に記載の方法。
【0199】
[00216] 態様６．推奨されるトランザクションは、１つ以上の資産を第２のアカウントから第１のアカウントに移動することの推奨を含む、態様４～５のいずれかに記載の方法。
【0200】
[00217] 態様７．第２のアカウントは、マーチャント又は第２のユーザのうちの少なくとも１つに関連付けられている、態様４～６のいずれかに記載の方法。
【0201】
[00218] 態様８．推奨されるトランザクションは、第２のアカウントに関連付けられた製品及びサービスのうちの少なくとも１つに対するものである、態様４～７のいずれかに記載の方法。
【0202】
[00219] 態様９．トランザクションについてのインテントを識別することは、第１のユーザが車両への操作アクセスを有することを識別することを含み、トランザクションは、車両に関連付けられた製品及びサービスのうちの少なくとも１つに対するものであり、推奨されるトランザクションは、車両に関連付けられた第２の製品及び第２のサービスのうちの少なくとも１つに対するものである、態様１～８のいずれかに記載の方法。
【0203】
[00220] 態様１０．トランザクションについてのインテントを識別することは、第１のユーザが住居に住んでいることを識別することを含み、トランザクションは、住居に関連付けられた製品及びサービスのうちの少なくとも１つに対するものであり、推奨されるトランザクションは、住居に関連付けられた第２の製品及び第２のサービスのうちの少なくとも１つに対するものである、態様１～９のいずれかに記載の方法。
【0204】
[00221] 態様１１．トランザクションについてのインテントを識別することは、第１のユーザが職業に就いていることを識別することを含み、トランザクションは、職業に関連付けられた製品及びサービスのうちの少なくとも１つに対するものであり、推奨されるトランザクションは、職業に関連付けられた第２の製品及び第２のサービスのうちの少なくとも１つに対するものである、態様１～１０のいずれかに記載の方法。
【0205】
[00222] 態様１２．トランザクションについてのインテントを識別することは、第１のユーザが第２のユーザと関係があることを識別することを含み、トランザクションは、第２のユーザに関連付けられた製品及びサービスのうちの少なくとも１つに対するものであり、推奨されるトランザクションは、第２のユーザに関連付けられた第２の製品及び第２のサービスのうちの少なくとも１つに対するものである、態様１～１１のいずれかに記載の方法。
【0206】
[00223] 態様１３．第１のアカウントに関連付けられた追加情報を受信することと、追加情報に基づいてトランザクションについてのインテントを更新するために、１つ以上の訓練された機械学習モデルを使用することと、を更に備える、態様１～１２のいずれかに記載の方法。
【0207】
[00224] 態様１４．インテントを更新することに応答して、インテントに基づいて推奨されるトランザクションを更新するために、１つ以上の訓練された機械学習モデルを使用することを更に備える、態様１３に記載の方法。
【0208】
[00225] 態様１５．第１のアカウントに関連付けられた追加情報を受信することと、追加情報に基づいて推奨されるトランザクションを更新するために、１つ以上の訓練された機械学習モデルを使用することと、を更に備える、態様１～１４のいずれかに記載の方法。
【0209】
[00226] 態様１６．第１のユーザに関連付けられた質問を受信することと、トランザクションについてのインテント又は推奨されるトランザクションのうちの少なくとも１つに基づいて、質問に対する回答を決定することと、質問に対する回答を出力することと、を更に備える、態様１～１５のいずれかに記載の方法。
【0210】
[00227] 態様１７．第１のユーザがトランザクションについてのインテントに基づく特性によって特徴付けられることを識別することを更に備え、ここにおいて、推奨されるトランザクションを生成するために、１つ以上の訓練された機械学習モデルを使用することは、１つ以上の訓練された機械学習モデルに特性を入力することを含む、態様１～１６のいずれかに記載の方法。
【0211】
[00228] 態様１８．推奨されるトランザクションを出力することは、第１のユーザに関連付けられたユーザデバイスに、推奨されるトランザクションを識別するメッセージを送ることを含み、推奨されるトランザクションに関する確認を受信することは、第１のユーザに関連付けられたユーザデバイスから、推奨されるトランザクションを開始するための承認を受信することを含む、態様１～１７のいずれかに記載の方法。
【0212】
[00229] 態様１９．推奨されるトランザクションを出力することは、第１のユーザに代わって推奨されるトランザクションの実行を自動的に開始することを含み、推奨されるトランザクションに関する確認を受信することは、推奨されるトランザクションが処理されたことを示すトランザクション完了確認を受信することを含む、態様１～１８のいずれかに記載の方法。
【0213】
[00230] 態様２０．第１のユーザに関連付けられたユーザデバイスからフィードバックを受信すること、ここにおいて、フィードバックは、トランザクションについてのインテント又は推奨されるトランザクションのうちの少なくとも１つに関連付けられている、と、１つ以上の訓練された機械学習モデルのための訓練データとしてフィードバックを使用することによって、１つ以上の訓練された機械学習モデルを更新することと、を更に備える、態様１～１９のいずれかに記載の方法。
【0214】
[00231] 態様２１．推奨されるトランザクションを生成することは、与信枠についての第１のユーザの適格性を決定することを含み、推奨されるトランザクションは、適格性に基づいて、第１のユーザのために与信枠を開設することの推奨を含む、態様１～２０のいずれかに記載の方法。
【0215】
[00232] 態様２２．推奨されるトランザクションは、サービスプロバイダとの約束又は予約のうちの少なくとも１つを行うことの推奨を含む、態様１～２１のいずれかに記載の方法。
【0216】
[00233] 態様２３．１つ以上の訓練された機械学習モデルは、第１の訓練された機械学習モデルと、第２の訓練された機械学習モデルと、を含み、トランザクションについてのインテントを識別するために、１つ以上の訓練された機械学習モデルを使用することは、第１の訓練された機械学習モデルに履歴情報を入力することによって、トランザクションについてのインテントを識別するために、第１の訓練された機械学習モデルを使用することを含み、推奨されるトランザクションを生成するために、１つ以上の訓練された機械学習モデルを使用することは、第２の訓練された機械学習モデルにトランザクションについてのインテントを入力することによって、推奨されるトランザクションを生成するために、第２の訓練された機械学習モデルを使用することを含む、態様１～２２のいずれかに記載の方法。
【0217】
[00234] 態様２４．１つ以上の訓練された機械学習モデルは、第１の訓練された機械学習モデルを含み、トランザクションについてのインテントを識別するために、１つ以上の訓練された機械学習モデルを使用することは、第１の訓練された機械学習モデルに履歴情報を入力することによって、トランザクションについてのインテントを識別するために、第１の訓練された機械学習モデルを使用することを含み、推奨されるトランザクションを生成するために、１つ以上の訓練された機械学習モデルを使用することは、第１の訓練された機械学習モデルにトランザクションについてのインテントを入力することによって、推奨されるトランザクションを生成するために、第１の訓練された機械学習モデルを使用することを含む、態様１～２３のいずれかに記載の方法。
【0218】
[00235] 態様２５．推奨されるトランザクションを出力することは、ディスプレイを使用して、推奨されるトランザクションが表示されるようにすることを含む、態様１～２４のいずれかに記載の方法。
【0219】
[00236] 態様２６．推奨されるトランザクションを出力することは、通信トランシーバを介して、推奨されるトランザクションが、第１のユーザに関連付けられたユーザデバイスに送信されるようにすることを含む、態様１～２５のいずれかに記載の方法。
【0220】
[00237] 態様２７．第１のユーザに関連付けられたスケジュール情報を受信することと、スケジュール情報に基づいて、スケジュールされたイベントを識別すること、ここにおいて、推奨されるトランザクションは、スケジュールされたイベントに関連付けられている、と、を更に備える、態様１～２６のいずれかに記載の方法。
【0221】
[00238] 態様２８．トランザクションについてのインテントと、１つ以上の追加のトランザクションについて決定された１つ以上のインテントとに基づいて、ユーザに関連付けられた１つ以上のプロファイルを生成することを更に備え、ここにおいて、１つ以上のプロファイルの各々は、トランザクションの異なるカテゴリのセットのうちのトランザクションのカテゴリに関するユーザの１つ以上の選好を識別し、１つ以上の訓練された機械学習モデルにトランザクションについてのインテントを入力することによって、推奨されるトランザクションを生成するために、１つ以上の訓練された機械学習モデルを使用することは、１つ以上の訓練された機械学習モデルに１つ以上のプロファイルのうちの少なくとも１つを入力することを含む、態様１～２７のいずれかに記載の方法。
【0222】
[00239] 態様２９．１つ以上の訓練された機械学習モデルにインテントを入力することによって、複数のコミュニティから推奨されるコミュニティを選択するために、１つ以上の訓練された機械学習モデルを使用すること、ここにおいて、推奨されるコミュニティは、インテントに関連付けられている、と、推奨されるコミュニティを出力することと、を更に備える、態様１～２８のいずれかに記載の方法。
【0223】
[00240] 態様３０．自動化されたアカウントインタラクションのための装置であって、装置は、メモリと、メモリに結合された１つ以上のプロセッサと、を備え、１つ以上のプロセッサは、第１のユーザに対応する第１のアカウントに関連付けられた履歴情報を受信すること、ここにおいて、履歴情報は、第１のアカウントが関与するトランザクションを識別する、と、１つ以上の訓練された機械学習モデルに履歴情報を入力することによって、トランザクションについてのインテントを識別するために、１つ以上の訓練された機械学習モデルを使用することと、１つ以上の訓練された機械学習モデルにトランザクションについてのインテントを入力することによって、推奨されるトランザクションを生成するために、１つ以上の訓練された機械学習モデルを使用することと、推奨されるトランザクションを出力することと、推奨されるトランザクションに関する確認を受信することと、確認に基づいて、１つ以上の追加のインテント及び１つ以上の追加の推奨されるトランザクションを識別する際に使用するための１つ以上の訓練された機械学習モデルを更新するために、インテント及び推奨されるトランザクションを使用することと、を行うように構成される、装置。
【0224】
[00241] 態様３１．態様２～２９のいずれかを更に備える、態様３０に記載の装置。
【0225】
[00242] 態様３２．命令を記憶した非一時的なコンピュータ可読媒体であって、命令は、１つ以上のプロセッサによって実行されると、１つ以上のプロセッサに、態様１～２９のいずれかに記載の動作を行わせる、非一時的なコンピュータ可読媒体。
【0226】
[00243] 態様３３．画像処理のための装置であって、態様１～２９のいずれかに記載の動作を行うための１つ以上の手段を備える装置。
【図1】
【図2】
【図3A】
【図3B】
【図3C】
【図4】
【図5A】
【図5B】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【国際調査報告】