基于线下体验评级提供增强推荐的系统和方法与流程

1.本发明总体上涉及通信领域，更具体地，涉及一种基于线下体验的评级来推荐用户的系统和方法。


背景技术：

2.近年来，在通信环境中开发的网络架构变得越来越复杂。已经开发了多种协议和配置，以适应具有各种网络需求的多样化的终端用户组。这些架构中的许多都因为能够提供自动化、便利性、管理和增强的消费者选择而获得显著关注。将计算平台与网络架构结合使用，可以增加通信、协作和/或交互。例如，某些网络协议可用于允许终端用户与满足某些搜索要求的其他用户在线连接。这些协议可能与求职、寻人服务、房地产搜索或在线约会有关。在许多情况下，在线连接后，终端用户可能会同意线下会面。


技术实现要素：

3.在典型的在线推荐系统中，可以使用包括与系统中的参与者相关的特定属性组的简档来促进匹配。例如，在在线约会环境中，简档可能包括诸如年龄、教育和兴趣等属性。典型的在线推荐系统可以通过比较每个参与者简档中的各种属性来提供成对参与者之间合适性分数的算法估计。此外，在线推荐系统可以基于用户匹配历史的相似性进行推荐。例如，如果用户a和b之前都与用户c、d和e匹配，并且如果用户a随后与用户f匹配，则系统还可以基于用户b具有与用户f匹配的高概率(因为用户a和用户b的匹配历史之间的相似性)的假设，向用户b呈现用户f作为推荐。鉴于典型推荐系统的用户根据推荐用户简档中包含的信息来选择是否与推荐用户匹配，在上述两种情况下，在线推荐系统都倾向于依赖用户简档信息来形成推荐。
4.虽然用户简档可能有助于促进推荐系统中用户之间的匹配，但该信息不一定能很好地指示系统中用户之间形成的匹配是否会导致系统外的成功关系。例如，一对用户可能会基于彼此的简档中包含的信息选择在系统上相互匹配，但在用户在线聊天后，一方或双方用户可能不会选择在线下与另一个用户见面。作为另一示例，在系统中已相互匹配的一对用户可能会在线下彼此会面，但随后一方或双方用户可能选择不参与任何进一步的会面。在任一情况下，即使系统将用户推荐给彼此并且用户都选择在系统中相互匹配，但匹配并没有导致用户之间成功的线下关系。这可能是由于多种原因。例如，在在线约会环境中，一方或双方用户可能具有较差的约会技能，即使用户实际上彼此合适。作为另一个示例，一方或双方用户可能对他们提供给系统的信息并不诚实。例如，一方或双方用户可能故意试图用他们提供给系统的简档信息来欺骗其他用户，或者可能只是从过于积极的角度对自己进行描绘。在任何一种情况下，用户的简档信息与用户的现实生活属性之间的不一致都可能在亲自会面期间暴露出来，从而导致另一用户拒绝任何进一步的会面请求。作为另一示例，基于用户提交的简档中可能未捕捉的个性方面，用户可能根本不相互合适。
5.在系统上匹配的一对用户却不希望在线下追求一段关系这一事实可能对于推荐
系统是需要了解的有用信息。例如，如果由于其中一个用户的约会技能差而导致配对失败，系统可以向该用户提供约会技巧，帮助其提高约会技能。另一个例子是，如果由于其中一个用户提交了不准确的简档信息而导致匹配失败，系统可以帮助用户纠正这些不准确的信息。再举一个例子，如果由于用户彼此不合适而导致匹配失败，则系统可以将此附加信息集成到推荐算法中，以增加未来推荐导致成功匹配和成功的现实关系的可能性。然而，尽管有这些潜在的用途/益处，当前的在线推荐系统通常无法捕获有关已在系统中匹配的用户的线下约会体验的信息。
6.本公开提出一种解决上述一个或多个问题的推荐工具。该工具监控在系统中匹配的用户对之间的对话和其他数据，以识别那些可能线下会面的用户对(例如，彼此约会)。然后，该工具向此类用户呈现用于收集有关会面/约会信息的调查。例如，该调查可能首先要求用户确认他们确实彼此见过面。如果用户见面了，调查可以要求用户指示会面是成功还是不成功，以及为什么。如果用户没有互相会面，调查可能会要求用户指示为什么不会面。
7.根据用户提供的响应类型，系统可以以各种不同的方式使用响应中包含的信息。例如，在某些实施例中，第一用户指示他/她由于第二用户在用户之间的在线对话期间表现出的较差的对话技能而没有与第二用户会面，系统可以向第二用户传送一个或多个对话技巧。作为另一个示例，在某些实施例中，第一用户指示他/她确实与第二用户会面了，但由于第二用户表现出差的约会技巧或者因为第二用户与第一用户基于第二用户的简档中包含的信息所期望的不同，而不想与第二用户的继续未来任何会面，则系统可以向第二用户传送一个或多个约会技巧和/或改进简档信息的方式。作为另一个示例，在某些实施例中，第一用户指示他/她确实与第二用户会面了，但因为他/她觉得被第二用户的简档信息欺骗了而不想参与与第二用户的未来任何会面，则系统可以为第一用户提供基于这种欺骗来举报第二用户的机会。如果系统确定该欺骗是真实的并且是故意的，则系统可以阻止第二用户接收对任何其他用户的推荐。作为进一步的示例，在某些实施例中，第一用户指示他/她确实与第二用户见面了，但因为他/她根本不觉得他/她与第二用户合适而不想与第二用户继续未来任何会面，则系统可能会将这些信息纳入系统使用的推荐算法中，以帮助提高未来推荐成功建立线下关系的可能性。作为另外的示例，在某些实施例中，用户双方都指示他们确实彼此会面了并且他们都想再次彼此会面，将来，系统可以帮助用户建立第二次会面。下面描述推荐工具的某些实施例。
8.根据一个实施例，一种方法包括从第一用户接收第一组文本。该方法还包括将第一组文本传送给第二用户。该方法还包括至少部分基于第一组文本来确定第一用户和第二用户进行了亲自会面。该方法进一步包括向第一用户传送对第一组数据的请求。第一组数据包括关于第一用户和第二用户之间的亲自会面的信息。该方法还包括从第一用户接收第一组数据。该方法还包括基于第一组数据确定第二用户的分数。该方法还包括基于分数向第二用户传送通知。
9.根据另一实施例，一种装置包括接口和硬件处理器。该接口通过网络发送和接收数据。硬件处理器使用该接口来接收来自第一用户的第一组文本。处理器还使用接口将第一组文本传送给第二用户。处理器另外至少部分基于第一组文本确定第一用户和第二用户进行了亲自会面。处理器进一步使用接口向第一用户传送对第一组数据的请求。第一组数据包括关于第一用户和第二用户之间的亲自会面的信息。处理器还使用该接口从第一用户
接收第一组数据。处理器还基于第一组数据确定第二用户的分数。处理器进一步使用该接口基于分数向第二用户传送通知。
10.某些实施例提供一个或多个技术优点。例如，一个实施例可以将用户反馈信息结合到机器学习推荐算法中，从而为用户提供增强的推荐，并相应地减少系统在用户匹配并在线下与另一用户形成成功关系之前在向用户提供推荐上所消耗的处理和带宽资源。作为另一个示例，一个实施例可以向那些无法通过他们的在线匹配来确保线下约会的用户提供约会和/或沟通技巧。作为另一个示例，一个实施例可以使用户能够基于由另一用户提供给系统的不准确/虚假的简档信息来举报另一用户违反系统的服务条款。作为进一步的示例，实施例可以提供位置/活动建议，以帮助改进未来的亲自会面。某些实施例可以不包括、部分包括或全部包括上述技术优势。对于本领域技术人员来说，从本文包括的附图、描述和权利要求中，一个或多个其他技术优势可以是显而易见的。
附图说明
11.为了更完整地理解本公开，现结合附图参考以下描述，其中：
12.图1示出了一个示例系统；
13.图2呈现了说明图1的系统的推荐工具可以确定一对用户可能会在线下彼此会面的方法的流程图；
14.图3呈现的流程图示出了一种方法，通过该方法图1的系统的推荐工具可以请求关于一对用户之间的会面的信息，并使用该信息向一方或双方用户提供约会技巧和/或帮助促进用户之间未来的约会；和
15.图4示出了图1的系统的推荐工具的推荐引擎。
具体实施方式
16.本公开的实施例及其优点可以通过参考附图的图1至4来理解，相同的标号用于各个附图的相同和对应的部分。
17.图1示出了示例系统100。如图1所示，系统100包括推荐工具105、用户110、设备115、网络120a、网络120b和数据库185。通常，推荐工具105监控消息155在成对的用户110之间传送以确定用户对110可能亲自见面。推荐工具105然后向成对的用户征求关于他们的线下体验的信息(通过请求165)，以确定会面是否成功。如果会面成功，在某些实施例中，推荐工具105可以帮助用户110建立未来的会面。如果会面不成功，在某些实施例中，推荐工具105可以：(1)向一方或双方用户提供约会和/或沟通技巧180；(2)协助一方或双方用户改进其简档(例如，通过向用户征求更多/更准确的信息)；(3)允许用户举报其他用户违反服务条款；和/或(4)将会面不成功的信息传送回系统的推荐算法，以帮助改进推荐工具105提供的未来的推荐175(即，帮助增加推荐175将导致成功约会关系的可能性)。
18.本公开设想在某些实施例中，推荐工具105可被配置为接收用户提交的信息并基于该信息为用户110创建简档190。本公开还设想在一些实施例中，推荐工具105可以对已由另一系统和/或工具存储在数据库185中的用户简档190进行操作。
19.本公开设想在某些实施例中，推荐工具105使用响应170来提供改进的推荐175，推荐引擎180用来生成推荐175的推荐算法可以仅对响应170进行操作。例如，推荐引擎180可
以通过将用户110a的匹配历史190a和线下体验两者(根据响应170a确定)与其他用户110的匹配历史190和线下体验(根据响应190确定)进行比较，来确定针对用户110a的推荐175。作为具体示例，考虑第一用户110a具有与第三用户110c相似的匹配历史195a并且第一用户110a和第三用户110c都具有相似的线下约会经历的情况。例如，第一用户110a和第三用户110c都可能与第一组用户110有过成功约会，而与第二组用户110有过不成功约会。继续该示例，如果第三用户110c随后指示他/她与第二用户110b成功约会，推荐工具105可以将第二用户110b作为推荐175呈现给第一用户110a。这里，推荐工具105可以基于用户110a和110c的线下约会经验之间的相似性暗示用户110a可能与第二用户110b有成功约会的假设下操作。
20.备选地，本公开设想响应170可以用作在更大的推荐算法中考虑的一组因素中的一个因素。例如，在某些实施例中，用户110不仅可以向推荐工具105提交关于他们自己的信息(即，存储在简档190中的信息)，用户110还可以提交他们正在寻求与之匹配的其他用户的优选特征到推荐工具105。在这两种情况下，此类信息可能包括性别、潜在匹配的首选性别、身高、体重、年龄、位置、种族、出生地、饮食习惯、活动和目标。另外，用户110可以向推荐工具105提供指示在寻找匹配时某些因素有多重要的信息。例如，用户110可以指示潜在匹配中的哪些特征是必需的。作为另一个例子，推荐工具105可以要求用户110指出，“你的匹配者不吸烟有多重要？”推荐工具105还可以允许用户110指示某些特征不是重要的搜索标准。例如，用户110a可以向推荐工具105指示潜在匹配者的体重和/或身高不重要。在某些实施例中，推荐工具105可以提示用户110向工具提供信息。例如，推荐工具105可以要求用户110在使用户能够参与推荐系统之前回答若干问题或提供若干描述。
21.在某些实施例中，推荐工具105可以被配置为通过搜索包含在简档190中的信息、比较用户110之间的匹配历史195以及从响应170中提取关于用户的线下约会经验的信息来确定推荐175。用于为用户110确定相关推荐的技术可以包括确定一个用户的偏好与另一个用户的特征/属性的匹配程度，反之亦然，同时考虑到用户110的匹配历史195和线下约会体验。例如，如果推荐工具105确定第一用户110a的偏好强烈匹配第二用户110b的特征/属性，但是，与第一用户110a共享相似匹配历史195和线下约会经验的多个其他用户110与第二用户110b的约会不成功，推荐工具105可以选择不将第二用户110b作为推荐175呈现给第一用户110a。另一方面，如果推荐工具105确定与第一用户110a共享相似匹配历史195和线下约会经验的多个其他用户110已经与第二用户110b成功约会，那么推荐工具105可以选择将第二用户110b作为推荐175呈现给第一用户110a。在一些实施例中，推荐工具105可以被配置为根据用户110a和系统的其他用户的各种特征/属性和偏好为用户110a生成推荐池175。推荐工具105可以基于用户110a的偏好和/或活动以及匹配历史195和关于参与系统的用户110的线下体验的信息为用户110a的推荐池分配分数。工具105还可以基于简档的状态、关于实体的位置信息或关于用户110a的位置信息来限制被包括在推荐池中的实体。以这种方式，工具105的某些实施例可以基于用户110a和110b的线下体验以及用户110a和110b在设置简档190a和190b时提供的信息来向用户110a提供用户110b的推荐175。
22.用户110可以使用设备115来发送和接收消息155。例如，用户110a可以使用设备115a来将消息155传送到推荐工具105(供用户110b最终接收)，并且用户110b可以使用设备115b接收来自推荐工具105(并且源自用户110a)的消息155。本公开设想消息155可以对应
于用户110a和用户110b之间的在线对话的部分。本公开还设想消息155可以包括文本、视频、图片或文本、视频和/或图片的任何组合。
23.用户110也可以使用设备115来接收请求165a和165b。本公开设想请求165a和165b可以包括通过推荐工具105传送给用户110a和110b的调查，以寻求关于推荐工具105确定的用户110a和110b之间可能发生的亲自会面的信息。例如，请求165a和165b可以询问用户110a和110b他们是否确实亲自见面，如果是，他们是否打算再次见面。根据推荐工具105从用户110a和110b接收的响应170a和170b，推荐工具105可以向用户110a和110b传送附加问题。例如，如果用户110a指示他/她不想再次见到用户110b，则请求165a可以要求用户110a指示为什么不想再次见到用户110b。
24.在某些实施例中，设备115还可以将会面数据160a和160b传送到推荐工具105，以帮助推荐工具105确定用户110a和用户110b可能彼此亲自见面。本公开设想会议数据160a和160b可以包括指示用户110a和用户110b可能在物理位置一起进行会面的任何信息。例如，在某些实施例中，会面数据160a和160b可以是gps信息，指示用户110a和用户110b在大致相同的时间处于大致相同的位置。作为另一示例，在某些实施例中，会面数据160a和160b可以包括由用户110a和/或用户110b提交的声明用户110a和用户110b在物理位置彼此会面的信息。
25.在某些实施例中，设备115可以接收通过推荐工具105传送的通知180。在一些实施例中，通知180可以包含关于改进沟通技能、约会技能/技术和/或用户简档190的方法的技巧。在一些实施例中，通知180可以包括关于未来约会和/或对话主题的想法。在某些实施例中，响应于包括在用户110a提交的响应170a中的指示他/她与用户110b具有成功的线下体验的信息，推荐工具105可以将通知180传送到用户110b的设备115b。
26.在某些实施例中，设备115还可以接收推荐175。本公开设想推荐175可以包括如推荐工具105所确定的可能与用户110a合适的其他用户110的简档和/或简档信息。在某些实施例中，推荐175可以完全基于从用户110接收的响应170。在一些实施例中，推荐175可以部分基于响应170以及简档190和/或匹配历史195。
27.设备115包括用于通过网络120a与系统100的组件通信的任何合适的设备。例如，设备115可以是或可以伴有电话、移动电话、计算机、笔记本电脑、平板电脑、服务器、自动助理和/或虚拟现实或增强现实耳机或传感器，或其他设备。本公开设想设备115是用于通过网络120a发送和接收通信的任何适当设备。作为示例而非限制，设备115可以是计算机、笔记本电脑、无线或蜂窝电话、电子笔记本、个人数字助理、平板电脑或能够接收、处理、存储和/或与系统100的其他组件传送信息的任何其他设备。设备115还可以包括用户接口，例如显示器、麦克风、键盘或用户110可用的其他适当的终端装备。在一些实施例中，由设备115执行的应用程序可执行本文所述的功能。在某些实施例中，设备115可以经由web接口通过网络120a与推荐工具105通信。
28.网络120a和120b促进系统100的各种组件之间的通信。本公开设想网络120a和120b是可操作以促进系统100的组件之间的通信的任何合适的网络。网络120a和120b可以包括能够传送音频、视频、信号、数据、消息或前述的任何组合的任何互连系统。网络120a和120b可以包括公共交换电话网(pstn)、公共或专用数据网络、局域网(lan)、城域网(man)、广域网(wan)、本地、区域或全球通信或计算机网络的全部或一部分，例如互联网、有线或无
线网络、企业内部网或任何其他合适的通信链路，包括其组合，可操作以促进组件之间的通信。本公开设想在某些实施例中，网络120a和120b对应于相同的网络。本公开还设想在一些实施例中，网络120a和网络120b可以对应于不同的网络。例如，在某些实施例中，网络120a可以是全球通信或计算机网络，例如互联网，而网络120b可以是使用的专用数据网络。
29.如图1所示，推荐工具105包括处理器125、存储器130和接口135。本公开设想处理器125、存储器130和接口135被配置为执行本文描述的推荐工具105的任何功能。一般而言，推荐工具105实施会面检测器140和会面评估器145。在某些实施例中，推荐工具105另外实施推荐引擎150。
30.本公开设想会议检测器140可以被推荐工具105用于确定在第一用户110a和第二用户110b之间可能发生的亲自会面。本公开设想会议检测器140可以以任何合适的方式确定在第一用户110a和第二用户110b之间可能发生了亲自会面。例如，在某些实施例中，会面检测器140可以监控在用户110a和110b之间交换的消息155，以确定用户110a和用户110b可能彼此亲自会面。本公开设想，响应于用户110a和110b在被推荐工具105呈现彼此的推荐175之后选择彼此匹配，消息155可以由用户110a和110b通过推荐工具105交换。因此，本公开设想由用户110a传送并以用户110b为目的地的消息155首先由接口135接收，然后将它们传送到用户110b的设备115b。在某些实施例中，接口135可以在向用户110b传送消息155之前向会面检测器140提供对消息155的访问。在一些实施例中，接口135可以存储消息155的副本，然后会议检测器140可以访问这些副本。
31.本公开设想会面检测器140可以以任何合适的方式使用消息155来确定用户110a和用户110b可能彼此亲自会面。例如，在某些实施例中，会面检测器140可以部分基于识别消息155中的电话号码来确定用户110a和用户110b可能彼此亲自会面。例如，会面检测器140可以检查消息155并确定消息155包含具有格式xxx-xxx-xxxx、(xxx)xxx-xxxx、xxx-xxxx或任何其他类似的数字格式的数字字符串，其可以包括联系信息。作为另一个示例，推荐工具105可以检查消息155并确定消息155包含与联系信息交换相关联的单词或短语，诸如“给我打电话”、“我的号码是”、“我的电话号码”或可能与联系信息交换相关联的任何其他合适的短语。在某些实施例中，响应于确定用户110a和用户110b可能交换了联系信息，会面检测器140可以确定用户110a和用户110b可能计划彼此会面。会面检测器140可以通过在可疑的联系信息交换之后等待设定的天数来进一步确定用户110a和用户110b可能彼此进行了会面，在此期间会面可能发生。例如，在某些实施例中，会议检测器140可以通过在第一天识别用户110a和用户110b之间可能的电话号码交换，然后等待五天的时段过去，来确定用户110a和用户110b可能在线下彼此会面。
32.作为另一示例，在某些实施例中，会面检测器140可以通过识别一个或多个关键词或一组关键词来确定用户110a和用户110b可能彼此亲自会面，这些关键词往往指示用户之间的亲自会面。例如，这组关键词可以包括诸如“我玩得很开心”、“第二次约会”、“再见”、“我们的约会”、“下次再见”之类的词和/或短语，或者指示可能已经进行了亲自会面的任何其他适当的词和/或短语。
33.作为另一个示例，在某些实施例中，会面检测器140可以通过对用户110a和用户110b之间交换的消息155应用机器学习算法来确定用户110a和用户110b可能会彼此会面。本公开设想机器学习算法可经训练以基于两个用户之间的对话来确定第一用户和第二用
户可能会面的概率。例如，机器学习算法可以首先在一组训练数据上进行训练，该组训练数据包括多对用户之间的先前对话，其中已知用户已经亲自会面，或者用户从未亲自会面。可以训练机器学习算法以从对话中提取一组属性，并为这些属性分配权重，其中权重指示属性在多大的相对程度上证明两个用户之间已经进行了亲自会面的事实。例如，该组属性可以包括在用户110a和110b之间交换的消息155的频率和数量、在用户110a和用户110b首次在系统上匹配之后从用户110a发送到用户110b的初始消息155的时间、消息155中包含的某些关键词、一周中在用户110a和110b之间交换某些消息155的日期、和/或任何其他适当的特征。在将机器学习算法应用于用户110a和110b之间交换的消息155之后，会面检测器140可以通过确定用户110a和用户110b可能亲自会面的概率(由机器学习算法确定)大于预定阈值来确定用户110a和用户110b可能亲自会面。
34.作为附加示例，在用户110a和用户110b交换了消息155之后，会面检测器140可以通过从用户110a和用户110b接收以位置数据的形式的会面数据160a和160b来确定用户110a和用户110b可能亲自会面。例如，在某些实施例中，会面检测器140可以从设备115a和设备115b接收gps数据160a和160b。会面检测器140随后可以通过确定用户110a在第一时间的位置在用户110b在第二时间的位置的第一公差范围内，来确定用户110a和用户110b可能会亲自会面，其中第一时间和第二时间也在彼此的第二公差范围内。
35.作为另一个示例，会面检测器140可以通过从用户110a和/或用户110b接收以明确指示的形式的会面数据160a和/或160b，来确定用户110a和用户110b可能彼此亲自会面。例如，在某些实施例中，用户110a和/或用户110b可以向推荐工具105传送消息160a和/或160b，其指示在用户110a和用户110b之间发生了亲自会面。例如，在某些实施例中，推荐工具105可以向用户110提供web接口和/或应用程序接口，用户110可以通过该接口与推荐工具105通信(例如，发送和接收消息155、接收推荐175、通知180和请求165)。web接口和/或应用程序接口可以包括用户110可能向推荐工具105指示他们与另一用户进行了亲自会面的位置。例如，在某些实施例中，web和/或应用程序接口可以包括推荐位置，用户110可以在其中查看推荐175。用户110a随后可以通过导航到推荐位置并执行与用户110b的推荐相关的动作来指示他/她与先前被推荐给他/她的用户110b进行了亲自会面。例如，用户110a可以查看他/她的移动设备115a上的推荐位置，并在他/她的移动设备115a的屏幕上在用户110b的推荐之上做出手势，以指示他/她与用户110b进行了亲自会面。
36.会面检测器140可以是存储在存储器130中并由处理器125执行的软件模块。用于会面检测器140的示例算法可以包含以下或类似步骤中的一些：将会面标志设置为0；接收用户110a和用户110b之间交换的消息155；如果消息155包含格式为xxx-xxx-xxxx,(xxx)xxx-xxxx,xxx-xxxx的数字字符串:{等待预定天数；将会面标志设置为1}；否则如果消息155包含一组关键词中的一个或多个关键词：将会面标志设置为1；否则如果应用于消息155的机器学习算法返回的概率大于预定阈值：将会面标志设置为1；否则如果用户110a将会面数据160a传送到推荐工具105，指示他/她与用户110b亲自会面：将会面标志设置为1；否则:{接收gps数据160a和160b；确定用户110a在第一时间处于第一位置；确定用户110b在第二时间处于第二位置；如果第一位置和第二位置在第一容差范围内，并且第一时间和第二时间在第二容差范围内：将会面标志设置为1}；如果会面标志设置为1，则确定用户110a和用户110b可能会面。
37.一旦会面检测器140确定了用户110a和用户110b可能彼此亲自会面，推荐工具105可以实施会面评估器145以从用户110a和110b获得关于他们的线下会面的信息。本公开设想会面评估器145可以通过首先向用户呈现调查165a和165b，然后分析用户110a和110b响应于调查165a和165b提出的问题而提交的响应170a和170b，来获得关于用户110a和110b之间的线下会面的信息。本公开设想调查165a和165b可以以任何合适的格式从用户110a和110b征求响应170a和170b。例如，调查165a和165b可要求用户110a和110b以多项选择、下拉菜单选择、是/否答案、自由形式回答或任何其他合适的响应格式的形式提交问题的回答。
38.本公开设想调查165a和165b可以向用户110a和110b呈现相同的第一个问题，但是随后的问题可能取决于用户110a和110b对先前问题提交的响应170a和170b。例如，调查165a可以开始于询问用户110a他/她是否确实与用户110b进行了亲自会面。如果用户110a回答“否”，调查165a可以继续询问用户110a为什么他/她尚未与用户110b进行亲自会面，和/或他/她是否计划在未来与用户110b进行亲自会面。另一方面，如果用户110a回答他/她确实与用户110b进行了亲自会面，则调查165a可以继续询问用户110a是否喜欢与用户110b的会面，和/或用户110a是否希望与用户110b进行第二次亲自会面。如果用户110a的回答是肯定的，则调查165a可以继续询问用户110a是否想要帮助建立第二次会面。另一方面，如果用户110a回答他/她不想进行第二次亲自会面，调查165a随后可能会询问为什么。例如，调查165a可以要求用户110a从一组理由中选择关于他/她为什么不想进行第二次亲自会面的理由。此类理由可能包括：(a)用户110b的简档信息不准确；(b)用户110b在约会中行为不当；(c)用户110b很无趣；(d)用户110a对用户110b为会面/约会选择的活动不满意；(e)用户110a对用户110b没感觉，和/或任何其他合适的响应。在某些实施例中，调查165a可以简单地要求用户110a提供自由形式的响应，指示他/她为什么不想与用户110b进行第二次亲自会面。
39.在某些实施例中，会面评估器145可以使用响应170a来确定用户110b的分数。例如，在某些实施例中，如果用户110a通过响应170a指示他/她想要与用户110b进行进一步的亲自会面，则会面评估器145可以向用户110b分配正的分数。另一方面，在某些实施例中，如果用户110a通过响应170a指示他/她不想与用户110b进行任何进一步的会面和/或联系，则会面评估器145可以向用户110b分配负的分数。在某些实施例中，可以向关于用户110a不希望与用户110b进行任何进一步的会面的原因的不同类别分配不同的分数。例如，-1分可能指示用户110a认为用户110b的简档信息不准确；-2分可能指示用户110a发现用户110b很无趣；-3分可能指示用户110a对用户110b为会面选择的活动不满意；-4分可能指示用户110a只是对用户110b没感觉；-5分可能指示用户110b在会面期间行为不当；-6分可能指示用户110b在会面之前对用户110a谎报了他/她的职业、教育和/或任何其他重要事实。
40.在某些实施例中，推荐工具105向用户110提供web接口和/或应用程序接口，用户110可以通过该接口与推荐工具105通信，在检测器140已确定用户110a和110b可能会面之后，在用户110a第一次访问web和/或应用程序接口时，会面评估器145可以自动向用户110a传送调查165a。例如，在用户110a已经访问web和/或应用程序接口之后，会面评估器145可以通过在用户110a的设备115a的屏幕上生成自动弹出窗口来向用户110a呈现调查165a。在一些实施例中，会面评估器145可以在一周中的预定日期或以预定的时间间隔向用户110a传送一个或多个调查165a。例如，会面评估器145可以每10天向用户110a传送调查165a(假
设会面检测器140已经确定用户110a可能在这10天内与另一用户110b会面了)。在一些实施例中，会面评估器145可以向用户110a传送通知，指示调查165a在web和/或应用程序接口内可供用户110a访问。然后用户110a可以通过登录web/应用程序接口并导航到调查165a来访问调查165a。
41.基于用户110a和110b提供的响应170a和170b，会面评估器145可以确定用户110a和110b是否进行了亲自会面，如果有，该亲自会面是否成功。本公开设想会面评估器可以将该信息用于各种不同的目的。例如，在某些实施例中，会面评估器145可以聚合该信息并使用它来向用户110提供统计数据。例如，会面评估器145可以向用户110传送通知180，声明根据调查165，由推荐工具105促进的在线对话的一定百分比导致亲自会面。作为另一个示例，会面评估器145可以向用户110传送通知180，声明根据调查165，为第一次会面选择独特的地点比选择连锁餐厅导致更成功的会面。
42.在某些实施例中，会面评估器145可以使用响应170a和170b来向可能难以让其他用户同意初次亲自会面的用户110提供技巧。例如，会面评估器145可以确定用户110b经常与其他用户交换他/她的电话号码，但是少于10％的此类交换导致亲自会面。会面评估器145可能能够使用来自选择不参加与用户110b的亲自会面的用户110a的响应170a来确定用户110b难以建立这类会面的原因。基于该信息，会面评估器145随后可以向用户110b提供克服这些困难的技巧。例如，会面评估器145可根据用户110a和用户110b之间的消息155交换确定响应170a频繁指示用户110a将用户110b视为缺乏信心的。作为结果，会面评估器145可以向用户110b呈现关于如何在对话中显得更有信心的技巧180。
43.在某些实施例中，会面评估器145可以使用响应170a和170b来向用户110b提供技巧，用户110b虽然容易建立初次亲自会面，但可能会发现让用户110a同意第二次亲自会面具有挑战性。例如，响应170a和170b可以指示用户110a和110b进行了亲自会面，用户110b想要进行第二次亲自会面，但是用户110a不想进行第二次亲自会面。例如，用户110a可以通过响应170a指示用户110b亲自会面看起来比他/她的简档图片所指示的大10-20岁。因此，会面评估器145可以向用户110b传送技巧180，建议用户110b更新他/她的简档图片。作为另一个示例，用户110a可以通过响应170a指示他/她基于用户110b在他/她的简档中声明他/她喜欢阅读的事实而决定与用户110b亲自会面；然而，在他们的亲自会面期间，用户110b无法说出他/她读过的最后一本书的名字。因此，会面评估器145可以向用户110b传送技巧180，建议用户110b通过删除他/她不经常参与的活动/兴趣来更新他/她的简档上的他/她的活动/兴趣部分。作为另一个示例，用户110a可以通过响应170a指示他/她不想第二次与用户110b会面，因为用户110b在他们第一次亲自会面期间将他/她带到城镇危险区域的快餐店。因此，会议评估者145可以向用户110b传送技巧180，为第一次亲自会面建议更合适的位置。
44.本公开设想会面评估器145可以以任何适当的方式将技巧180传送给用户110。例如，在某些实施例中，会面评估器145可以经由电子邮件、文本消息、推送通知、应用程序消息和/或任何其他适当的方法向用户110发送技巧180。
45.在某些实施例中，会面评估器145可以使用响应170a和170b来确定用户110b可能违反了工具的服务条款之一。例如，响应170a可以指示用户110b在与用户110a的亲自会面期间的行为方式非常不适当。作为另一示例，响应170a可以指示用户110b故意向推荐工具105提供虚假信息以包括在他/她的简档110b中。例如，响应170a可以指示用户110b在他/她
的简档上对他/她的职业、教育或任何其他信息撒谎，并且用户110a在他/她与用户110b的亲自会面期间发现了这种欺骗。在这种情况下，会面评估器145可以向用户110b传送通知180，指示将不再允许用户110b通过推荐工具105与其他用户110通信。
46.在某些实施例中，会面评估器145可以使用响应170a和170b来向用户110a和110b提供关于他们的亲自会面的反馈。例如，如果用户110a和110b都通过响应170a和170b指示他们喜欢彼此的亲自会面并且想要建立第二次亲自会面，则会面评估器145可以将通知180传送给用户110a和110b，指示亲自会面成功。在一些实施例中，通知180可以另外包含提议/建议以帮助用户110a和110b安排第二次亲自会面。例如，通知180可以向用户110a和用户110b两者呈现位于附近的高评价餐馆的推荐。作为另一个示例，通知180可以向用户110a和110b呈现提议以帮助用户安排第二次亲自会面。
47.会面评估器145可以是存储在存储器130中并由处理器125执行的软件模块。用于会面评估器145的示例算法可包括以下步骤中的一些或全部：从会面检测器140接收用户110a和用户110b可能进行亲自会面的通知；确定用户110a已经访问了推荐工具105提供的web/应用程序接口；向用户110a发送调查165a，其中的第一个问题询问用户110a和用户110b是否确实进行了亲自会面；如果用户110a指示他/她与用户110b进行了亲自会面:{向用户110a提供调查165a中的第一组问题，请求有关亲自会面的信息；根据响应165a确定亲自会面是否成功；如果亲自会面成功，则向用户110a发送通知180，提供帮助以建立第二次亲自会面；如果亲自会面不成功：{确定亲自会面不成功的原因；如果由于用户110b的简档信息不准确而导致亲自会面不成功，则向用户110b发送技巧180，建议用户110b更新他/她的简档信息；如果由于用户110a对用户110b为亲自会面选择的位置/活动不满意而导致亲自会面不成功，则向用户110b发送技巧180，建议未来会面的替代位置/活动；如果由于用户110b违反了工具的一项或多项服务条款而导致亲自会面不成功，则向用户110b传送通知180，指示将不再允许用户110b通过推荐工具105与其他用户110进行通信}；如果用户110a指示他/她没有与用户110b亲自会面，则向用户110a提供调查165a中的第二组问题，请求有关用户110a和用户110b为何没有亲自会面的信息。确定用户110a和110b没有亲自会面的一个或多个原因；如果用户110a和110b因为他们还没有时间安排会面而没有进行亲自会面，则传送通知180以提议帮助建立用户之间的亲自会面；如果用户110a和110b因为用户110a不喜欢他/她与用户110b的在线对话而没有进行亲自会面，则向用户110b发送技巧180以改进在线对话。
48.在某些实施例中，推荐工具105可以另外包括推荐引擎150。本公开设想在某些实施例中，推荐引擎150可以将从响应170获得的信息提供给推荐引擎150使用的推荐算法以生成可能彼此合适的用户的推荐。以这种方式，某些实施例可以增加由推荐引擎150生成的未来用户推荐导致成功的亲自会面的可能性，部分原因是由于响应170提供的关于先前亲自会面的成功/失败的反馈。例如，在某些实施例中，推荐引擎150可以基于存储在用户简档190a到190f中的信息来确定用户110a和用户110b可能都与用户110c、110d、110e和110f合适。然而，基于与用户110c到110f的亲自会面，推荐引擎150可以获悉用户110a与用户110c和110d进行了成功的亲自会面，并且与用户110e和110f进行了不成功的亲自会面，而用户110b已经与用户110c和110d进行了不成功的亲自会面，以及与用户110e和110f进行了成功的亲自会面。这种亲自会面成功的差异可能是由于用户110a到110f的附加个性特征的存
在，推荐引擎150可能已经无法从存储在简档190a到190f中的信息中捕获所述附加个性特征。因此，推荐引擎150可以并入用户110a和110b提供的关于他们的亲自会面的成功的信息以细化呈现给用户110未来的推荐175。例如，推荐引擎150可以选择不将用户110g作为推荐175呈现给用户110a，尽管基于简档190a和190g中存储的信息，用户110a和用户110g似乎是合适的，这是因为用户110b与用户110g进行了成功的亲自会面，暗示用户110a可能不会与用户110g进行成功的亲自会面。
49.本公开设想推荐引擎150可以以任何合适的方式将从响应170获得的信息并入到推荐引擎150使用的推荐算法中。例如，在某些实施例中，推荐引擎150可以包括协同过滤算法以确定针对用户110的推荐175。在此类实施例中，推荐引擎150可以部分通过比较用户110的匹配历史195来确定用户110的推荐175。例如，如果推荐引擎150基于匹配历史195a和195b确定用户110a和110b在过去都选择与相似的用户组匹配(例如，用户110a和110b都选择与用户110c到110e匹配)，那么如果用户110b选择与用户110f匹配，则推荐引擎150可以基于匹配历史195a和195b之间的相似性确定用户110a也可能与用户110f匹配。因此，推荐引擎150可以将用户110f的简档190f作为推荐175传送给用户110a。在此类实施例中，推荐引擎150可以基于由存储在匹配历史195a到195n中的匹配引起的亲自会面的成功/失败，通过修改匹配历史195a到195n，将从响应170收集的信息并入到协同过滤算法中。例如，如果基于用户110b的简档190b，用户110a先前与用户110b匹配，但随后向推荐工具105指示(通过响应170a)他/她与用户110b的亲自会面不成功，那么推荐引擎150可以改变匹配历史195a以指示用户110a实际上并未与用户110b匹配。
50.在一些实施例中，推荐引擎150可以采用完全基于用户110通过响应170提供的信息而不是匹配历史195的协同过滤算法。例如，推荐引擎150可以将关于成功/不成功的亲自会面的信息存储在数据库185中并且使用该信息来生成推荐175。例如，如果用户110a和用户110b都与第一组用户110进行了成功的亲自会面，并且与第二组用户110进行了失败的亲自会面，那么如果用户110b与用户110c进行了成功的亲自会面，则推荐引擎150可以基于以下假设将用户110c的简档190c作为推荐175呈现给用户110a：基于用户110a和用户110b的亲自会面历史之间的相似性，如果用户110b与用户110c进行了成功的亲自会面，则用户110a也可能与用户110c进行成功的亲自会面。
51.在一些实施例中，推荐引擎150可以使用机器学习算法来确定推荐175。例如，推荐引擎150可以训练机器学习算法以基于简档190、匹配历史195和/或任何其他适当信息来提取一组特征，并使用这些特征来确定一对用户110a和110b可以相互合适的概率。在此类实施例中，推荐引擎150可以通过创建与用户110之间的亲自会面的成功/失败相关联的附加机器学习特征并向该特征分配适当的权重，将从响应170获得的信息并入到该算法中。以这种方式，推荐引擎150可以部分基于来自用户110的关于用户已经参加的亲自会面的成功/失败的反馈来确定改进的推荐175。
52.在一些实施例中，推荐引擎150可以使用从响应170获得的信息来向用户110提供关于推荐引擎150作为推荐175呈现给用户110的那些用户的附加信息。例如，推荐引擎150可以向用户110a呈现用户110b的推荐，以及声明用户110b的简档190b类似于用户110c的简档190c并且用户110a指示他/她与用户110c成功地进行了亲自会面的信息。
53.推荐引擎150可以是存储在存储器130中并由处理器125执行的软件模块。推荐引
擎180的示例算法如下：从简档190、匹配历史195和/或响应170中提取一组特征；将机器学习算法应用于该组特征，以确定用户110b可能与用户110a合适的概率；如果概率大于预定阈值，则向用户110a呈现用户110b的推荐175。
54.处理器125可以是任何电子电路，包括但不限于微处理器、专用集成电路(asic)、专用指令集处理器(asip)和/或状态机，其可通信地耦合到存储器130和接口135并控制推荐工具105的操作。处理器125可以是8位、16位、32位、64位或任何其他合适的架构。处理器125可以包括用于执行算术和逻辑运算的算术逻辑单元(alu)、向alu提供操作数并存储alu操作结果的处理器寄存器，以及从存储器中获取指令并通过指导alu、寄存器和其他组件的协调操作来执行它们的控制单元。处理器125可以包括操作用于控制和处理信息的其他硬件和软件。处理器125执行存储在存储器上的软件以执行本文描述的任何功能。处理器125通过处理从网络120、设备115、接口135和存储器130接收的信息来控制推荐工具105的操作和管理。处理器125可以是可编程逻辑设备、微控制器、微处理器、任何合适的处理设备，或前述的任何合适的组合。处理器125不限于单个处理设备并且可以包含多个处理设备。
55.存储器130可以永久地或临时地存储数据、操作软件或用于处理器125的其他信息。存储器130可以包括适合于存储信息的易失性或非易失性本地或远程设备中的任何一个或其组合。例如，存储器130可以包括随机存取存储器(ram)、只读存储器(rom)、磁存储设备、光存储设备或任何其他合适的信息存储设备或这些设备的组合。该软件代表包含在计算机可读存储介质中的任何合适的指令、逻辑或代码集。例如，该软件可以包含在存储器130、磁盘、cd或闪存驱动器中。在特定实施例中，该软件可以包括可由处理器125执行以执行本文描述的功能中的一个或多个的应用程序。
56.接口135表示可操作地从网络120a接收信息、通过网络120a传送信息，执行信息的适当处理、与其他设备通信或前述的任何组合的任何合适的设备。例如，接口135向设备115传送请求165、推荐175和/或通知180。作为另一个示例，接口135从设备115接收会面数据160和/或响应170。作为另一个示例，接口135可以通过接收由用户110a传送的消息155以供用户110b最终接收，然后将消息155传送给用户110b，来促进用户110a和110b之间的消息155的交换。接口135表示任何端口或连接(真实或虚拟，包括任何合适的硬件和/或软件，包括协议转换和数据处理能力)，以通过lan、wan或允许推荐工具105通过网络120a与设备115和/或系统100的其他组件交换信息的其他通信系统进行通信。
57.如上所述，数据库185可存储一组用户简档190。用户简档190定义或表示用户110的特征。公众、在线约会系统成员和/或在线约会系统成员中的特定类别的成员可以使用简档190。简档190可以包含当用户110建立其在线约会账户时从用户110请求的信息，或者这些用户以其他方式输入到其简档中的信息。简档190可以包括诸如年龄、身高、性别和职业的一般信息，以及可以包括用户的兴趣、喜欢/不喜欢、个人感受和/或世界观的详细信息。
58.在某些实施例中，数据库185还可以存储一组匹配历史195。对于给定用户110a，匹配历史195a可以指示作为推荐175呈现给用户110a以及用户110a选择与之匹配的那些用户110b。在一些实施例中，如上所述，推荐工具105可以基于响应170提供的反馈修改匹配历史195。例如，如果用户110a选择与用户110b匹配，但随后指示他/她参与了与用户110b的不成功的亲自见面(即，用户110a可以通过响应170a指示他/她不希望参与和用户110b的任何进一步的亲自见面)，则推荐工具105可以更新匹配历史195a以指示用户110a实际上没有与用
户110b匹配。
59.在某些实施例中，通过确定用户110可能参加了与其他用户的亲自见面并通过请求165征求关于这些亲自见面的信息，推荐工具105可以帮助在多个方面改善用户110的在线匹配体验。例如，某些实施例可以向那些无法通过他们的在线匹配确保线下约会的用户提供约会和/或通信技巧，以帮助那些用户确保未来的约会。作为另一个示例，某些实施例可以提供关于改进简档信息的方法和/或对于对话主题、会面地点和/或会面活动的建议的技巧，以帮助使用户能够在初次亲自会面之后确保额外的亲自会面。作为另一示例，某些实施例可以使用户能够基于其他用户提供给系统的不准确/欺骗性的简档信息或其他用户的严重不当行为来举报另一用户违反系统的服务条款，从而帮助保护用户110的健康/安全。作为进一步的示例，某些实施例可以部分基于由系统用户的线下约会体验提供的反馈来提供增强的推荐175。
60.在不脱离本发明的范围的情况下，可以对本文描述的系统进行修改、添加或省略。例如，系统100可以包括任意数量的用户110、设备115、网络120a和120b以及数据库185。这些组件可以是集成的或分离的。此外，上述操作可以由更多、更少或其他组件执行。此外，可以使用包括软件、硬件和/或其他逻辑的任何合适的逻辑来执行操作。如本文档中所使用的，“每个”是指集合的每个成员或集合子集的每个成员。
61.图2呈现了说明推荐工具105可以确定一对用户可能彼此亲自会面的方法的流程图。在步骤205中，推荐工具105从第一用户110a接收消息155并将消息155传送到第二用户110b。本公开设想消息155可以包括文本、视频、图片或文本、视频和/或图片的任何组合。在步骤210，推荐工具105确定消息155是否包括电话号码或其他联系信息。本公开设想推荐工具105可以以任何合适的方式确定消息155包括电话号码。例如，推荐工具105可以检查消息155以确定消息155是否包含具有格式xxx-xxx-xxxx,(xxx)xxx-xxxx,xxx-xxxx或任何其他类似数字格式的数位串。作为另一个示例，推荐工具105可以检查消息155以确定消息155是否包含与联系信息交换相关联的单词或短语，例如“给我打电话”、“我的号码是”、“我的电话号码”或任何其他可能与联系信息交换相关联的合适短语。如果推荐工具105确定消息155包括电话号码或其他联系信息，则推荐工具105可以等待预定天数，然后在步骤250中确定用户110a和用户110b可能会面。本公开设想该推荐工具105可以在确定用户110和用户110b可能会面之前等待任意天数。例如，在某些实施例中，推荐工具105可以等待三天。在一些实施例中，推荐工具105可以等待五天。
62.如果在步骤210，推荐工具105确定消息155不包括电话号码或联系信息，则在步骤215，推荐工具105确定消息155是否包含一组关键词中的一个或多个关键词。如果推荐工具105确定消息155包含一组关键词中的一个或多个关键词，则在步骤250中，推荐工具105确定用户110a和用户110b可能会面。本公开设想该组关键词包括倾向于指示用户之间的亲自会面的关键词。例如，该组关键词可以包括诸如“我度过了愉快的时光”、“第二次约会”、“再见”、“我们的约会”、“下次再见”或任何其他表示两人可能已经见面的词和/或短语之类的词和/或短语。本公开设想在某些实施例中，该组关键词可以存储在存储器130中。
63.如果在步骤215中，推荐工具105确定消息155不包含一组关键词中的一个或多个关键词，则在步骤210中，推荐工具105将消息155提供给机器学习算法。本公开设想可以训练机器学习算法以基于两个用户之间的对话来确定用户110a和用户110b可能会面的概率。
例如，机器学习算法可能首先在一组训练数据上进行训练，该组训练数据包括多对用户之间的先前对话，其中已知用户已经亲自会面了，或者用户没有亲自会面。可以训练机器学习算法从对话中提取一组属性并为这些属性分配权重，其中权重指示属性证明两个用户之间已经发生会面的事实的相对程度。例如，该组属性可以包括在用户110a和110b之间交换的消息155的频率和数量、在用户110a和用户110b第一次匹配之后从用户110a发送到用户110b的初始消息155的时间、消息155中包含的某些关键词、一周中在用户110a和110b之间交换某些消息155的日期、和/或任何其他适当的特征。在将机器学习算法应用于用户110a和110b之间交换的消息155之后，推荐工具105可以在步骤225中获得用户110a和用户110b可能亲自会面的概率。在步骤230中，推荐工具105可以确定概率是否大于预定阈值。如果在步骤230中，推荐工具105确定概率大于预定阈值，则在步骤250中，推荐工具105确定用户110a和用户110b可能会面。
64.如果在步骤230中，推荐工具105确定概率不大于预定阈值，则在步骤235中，推荐工具105从用户110a和用户110b接收以位置数据的形式的会面数据160a和160b。在步骤240中，推荐工具105使用会面数据160a和160b来确定用户110a和用户110b是否在大致相同的时间处于大致相同的位置。例如，推荐工具105可以接收用户110a在第一时间的位置，并且接收用户110b在第二时间的位置。推荐工具105然后可以确定用户110a在第一时间的位置是否在用户110b在第二时间的位置的第一容差范围内，以及第一时间和第二时间是否也在彼此的第二容差范围内。如果在步骤240中，推荐工具确定用户110a和用户110b在大约相同的时间处于大约相同的位置，则在步骤250中，推荐工具105确定用户110a和用户110b可能会面。
65.如果在步骤240中，推荐工具105确定用户110a和用户110b在大约相同的时间不在大致相同的位置，则在步骤245中，推荐工具105确定用户110a和/或用户110b是否向推荐工具105发送会面数据160a和/或160b，其明确指示用户110a和用户110b已会面。作为示例，在某些实施例中，推荐工具105可以向用户110提供web接口和/或应用程序接口，用户110可以通过其与推荐工具105通信(即，发送和接收消息155，接收推荐175、通知180以及请求165)。web和/或应用程序接口可以包括用户110可以向推荐工具105指示他们与另一用户进行了亲自会面的位置。例如，在某些实施例中，web和/或应用程序接口可以包括推荐位置，用户110可以在该位置处查看推荐175。然后，用户110a可以通过导航到推荐位置并执行与用户110b的推荐相关的动作来指示他/她与之前被推荐给他/她的用户110b进行了亲自会面。例如，用户110a可以查看他/她的移动设备115a上的推荐位置，并在他/她的移动设备115a的屏幕上在用户110b的推荐之上做手势，以指示他/她与用户110b进行了亲自会面。如果在步骤245中，推荐工具105从用户110a和/或用户110b接收到用户110a和用户110b会面的明确指示160a和/或160b，则在步骤250中，推荐工具105确定用户110a和用户110b可能会面。
66.可以对图2所示的方法200进行修改、添加或省略。方法200可包括更多、更少或其他步骤。例如，可以并行地或以任何合适的顺序执行步骤。虽然对作为执行这些步骤的推荐工具105(或其组件)进行了讨论，但系统100的任何合适组件，例如诸如设备115，都可以执行该方法的一个或多个步骤。
67.图3示出了说明推荐工具105请求关于一对用户之间的可能会面的信息并使用该信息向用户中的一方或双方提供约会技巧和/或帮助促进用户之间未来的约会的方法的流
程图。在步骤305中，推荐工具105从第一用户110a接收消息155。在步骤310中，推荐工具105向第二用户110b传送消息155。在步骤315中，推荐工具105使用消息155来确定第一用户110a和第二用户110b可能一起进行了线下会面，如上文在图2的讨论中详细描述的。响应于确定第一用户110a和第二用户110b可能一起会面，在步骤320中，推荐工具105向用户110a和110b传送请求165a和165b以寻求关于会面的信息。例如，在某些实施例中，请求165a和165b可以采取提供给用户110a和110b的调查的形式。在步骤325中，推荐工具105接收用户110a和110b响应于调查165a和165b提出的问题提交的响应170a和170b。本公开设想调查165a和165b可以以任何合适的格式从用户110a和110b征求响应170a和170b。例如，调查165a和165b可以要求用户110a和110b以多项选择、下拉菜单选择、是/否答案、自由形式响应或任何其他合适的响应格式的形式提交对问题的回答。
68.本公开设想调查165a和165b可以向用户110a和110b呈现相同的第一个问题，但是随后的问题可能取决于用户110a和110b对先前问题提交的响应170a和170b。例如，调查165a可以开始于询问用户110a他/她是否确实与用户110b进行了亲自会面。如果用户110a回答“否”，则调查165a可以继续询问用户110a为什么他/她尚未与用户110b亲自会面，或者他/她是否计划在未来与用户110b亲自会面。另一方面，如果用户110a回答他/她确实与用户110b进行了亲自会面，则调查165a可以继续询问用户110a他/她是否喜欢与用户110b的会面，和/或用户110a是否希望与用户110b进行第二次亲自会面。如果用户110a的回答是肯定的，则调查165a可以继续询问用户110a是否想要帮助建立第二次会面。另一方面，如果用户110a回答他/她不想进行第二次亲自会面，调查165a随后可能会询问为什么。例如，调查165a可以要求用户110a从一组理由中选择关于他/她为什么不想进行第二次亲自会面的理由。此类原因可能包括：(a)用户110b的简档信息不准确；(b)用户110b在约会中行为不当；(c)用户110b很无趣；(d)用户110a对用户110b为会面/约会选择的活动不满意；(e)用户110a对用户110b没感觉，和/或任何其他合适的响应。在某些实施例中，调查165a可以简单地要求用户110a提供自由形式的响应，指示他/她为什么不想与用户110b进行第二次亲自会面。
69.在步骤330中，推荐工具105可以使用响应170a来确定用户110b是否违反了推荐工具105的服务条款中的一项或多项。例如，响应170a可以指示用户110b在会面期间的行为方式非常不适当和/或在会议之前对用户110a谎报他/她的职业、教育和/或任何其他重要事实。如果在步骤330中，推荐工具105确定用户110b可能违反了一项或多项服务条款，则在步骤335中，推荐工具105可以阻止用户110b进一步联系用户110a和/或联系任何其他用户110。
70.如果在步骤330中，推荐工具105确定用户110b可能没有违反一个或多个服务条款，则在步骤340中，推荐工具105可以使用响应170a来确定要分配给用户110b的分数。例如，-1分可能指示用户110a认为用户110b的简档信息不准确；-2分可能指示用户110a发现用户110b很无趣；-3分可能指示用户110a对用户110b为会面选择的活动不满意；并且-4分可能指示用户110a只是对用户110b没感觉；-5分可能指示用户110b在会面期间行为不当。本公开设想推荐工具105可以使用任何适当的评分系统来将分数分配给用户110b。此外，本公开设想确定第二用户110b的分数可以简单地包括将用户110b分配给一组类别中的一个类别，其中该组类别中的每个类别包括亲自会面没有成功的一个或多个原因。
71.在步骤345中，推荐工具105可以使用在步骤340中为用户110b确定的分数来向用户110b发送通知180。例如，在某些实施例中，分数指示用户110a想要参加与用户110b的进一步的亲自会面，通知180可以向用户110b提供亲自会面成功的指示。在一些实施例中，通知180可以另外包含提议/建议以帮助用户110a和110b安排第二次亲自会面。例如，通知180可以向用户110a和用户110b两者呈现位于附近的高评价餐馆的推荐。作为另一个示例，通知180可以向用户110a和110b呈现提议以帮助用户安排第二次亲自会面。
72.在分数指示用户110a不想参加与用户110b的进一步亲自会面的某些实施例中，通知180可以提供关于改进亲自会面的方式、改进用户110b的简档190b的方式，用于与其他用户110进一步会面的位置/活动建议，和/或可以帮助用户110b在未来与其他用户110进行更成功的会面的任何其他信息/建议的技巧。
73.可对图3所示的方法300进行修改、添加或省略。方法300可以包括更多、更少或其他步骤。例如，可以并行地或以任何合适的顺序执行步骤。虽然作为执行这些步骤的推荐工具105(或其组件)进行了讨论，但系统100的任何合适组件，例如诸如设备115，都可以执行该方法的一个或多个步骤。
74.图4图示了示例推荐引擎150。本公开设想在某些实施例中，推荐引擎150可以将从响应170获得的信息提供给推荐引擎150使用的推荐算法以生成可能彼此合适的用户的推荐。以这种方式，某些实施例可以增加由推荐引擎150生成的未来用户推荐导致成功的亲自会面的可能性，部分原因是由于响应170提供的关于先前亲自会面的成功/失败的反馈。
75.在某些实施例中，如图4所示，推荐引擎150可以采用机器学习算法415来确定推荐175。例如，推荐引擎150可以训练机器学习算法以基于简档190、分数405和410(基于响应170a和170b确定，并分别提供用户110a对用户110b和用户110b对用户110a的评估)和/或任何其他适当信息提取一组特征，并使用这些特征来确定一对用户110可以彼此合适的概率。在这样的实施例中，推荐引擎150可以通过创建与这些分数相关联的附加机器学习特征并向该特征分配适当的权重来将分数405和410并入到该算法中。以这种方式，推荐引擎150可以部分基于来自用户110的关于用户已经参加的亲自会面的成功/失败的反馈来确定改进的推荐175。
76.本公开设想推荐引擎150可以以任何适当的方式将从响应170a和170b获得的信息并入到其推荐算法中。例如，在某些实施例中，推荐引擎150可以包括用于确定针对用户110的推荐175的协同过滤算法。在这样的实施例中，推荐引擎150可以部分通过比较用户110的匹配历史195来确定针对用户110的推荐175。例如，如果推荐引擎150基于匹配历史195a和195b确定用户110a和110b在过去都选择与相似的用户组匹配(例如，用户110a和110b都选择与用户110c到110e匹配)，那么如果用户110b选择与用户110f匹配，则推荐引擎150可以基于匹配历史195a和195b之间的相似性确定用户110a也可能与用户110f匹配。因此，推荐引擎150可以将用户110f的简档190f作为推荐175传送给用户110a。在这样的实施例中，推荐引擎150可以基于由存储在匹配历史195a到195n中的匹配引起的亲自会面的成功/失败，通过修改匹配历史195a到195n，将从响应170收集的信息并入到协同过滤算法中。例如，如果基于用户110b的简档190b，用户110a先前与用户110b匹配，但随后向推荐工具105指示(通过响应170a)他/她与用户110b的亲自会面不成功，则推荐引擎150可以改变匹配历史195a以指示用户110a实际上并未与用户110b匹配。
77.在一些实施例中，推荐引擎150可以采用基于用户110通过响应170提供的信息而不是匹配历史195的协同过滤算法。例如，推荐引擎150可以将关于成功/不成功的亲自会面的信息存储在数据库185中并且使用该信息来生成推荐175。例如，如果用户110a和用户110b都与第一组用户110进行了成功的亲自会面，并且与第二组用户110进行了失败的亲自会面，那么如果用户110b与用户110c进行了成功的亲自会面，则推荐引擎150可以将用户110c的简档190c作为推荐175呈现给用户110a。基于以下假设，即基于用户110a和用户110b的亲自会面历史之间的相似性，如果用户110b与用户110c进行了成功亲自会面，则用户110a也可能与用户110c进行成功亲自会面，推荐引擎150可以将简档190c作为推荐175呈现给用户110a。
78.尽管本发明包括多个实施例，但是可以向本领域的技术人员暗示大量的改变、变化、转变、变换和修改，并且本公开旨在涵盖落入所附权利要求范围内的这些改变、变化、转变、变换和修改。