基于应用内容来确定是否和/或何时提供通知以减轻计算上浪费的应用启动行为的制作方法

基于应用内容来确定是否和/或何时提供通知以减轻计算上浪费的应用启动行为


背景技术：

1.便携式计算设备的日益流行已经导致直接或间接地鼓励用户频繁地启动应用以查看内容的应用的大量涌入。尽管用户可以重复地启动和关闭应用以便检查对经由应用可获得的特定内容的改变，但是通常应用将不具有对特定内容的任何改变。例如，用户可以频繁地启动特定应用，以便查看另一用户是否已经发布了新内容。因为用户可能不能够独立地精确地确定新内容何时已经由另一用户发布，所以用户可能在新内容被实际上发布并且能够经由应用被查看之前启动和关闭特定应用若干次。因此，用户可能无意中导致与特定应用相关联的计算设备浪费与特定应用的徒劳的启动和关闭相关联的计算资源，诸如功率资源、处理资源和/或网络资源。


技术实现要素：

2.本文阐述的实施方式涉及提供能够使用机器学习技术和/或启发式技术提供的介入通知，以减轻用户为了内容更新而检查客户端设备的目标应用的发生。与目标应用不同的特定应用能够生成通知和/或确定是否和/或何时提供通知。应用能够是例如安装在客户端设备的操作系统之上的应用和/或其本身能够形成客户端设备的操作系统的一部分(或全部)。尽管通知针对目标应用(例如，识别目标应用、包括到其模块的深度链接等)，但是在各种实施方式中，应用能够独立于目标应用而生成通知，和/或确定是否和/或何时提供通知。换句话说，通知的生成和/或提供能够在没有目标应用指示生成和/或提供的情况下发生，并且通知是独立于由目标应用本身生成的任何通知而生成和/或提供的(如果目标应用甚至包括通知生成功能)。
3.因此，由应用生成的介入通知能够在至少定时和内容两者上与否则将由相应的目标应用提供的任何通知不同。例如，能够至少相对于任何即将发生的或即将到来的第三方通知先发制人地渲染介入通知，以便使用户不必手动地启动对应的目标应用。另外，介入通知能够包括目标应用通常不并入到第三方通知中的内容。在一些实施方式中，介入通知能够以相对于由那些多个目标应用以其他方式提供的任何通知独特的方式组合来自多个不同目标应用的内容。以这种方式合并内容能够保留否则在用户频繁启动不同应用以检查更新和/或其他动态内容时可能消耗的计算资源。例如，计算设备可能由于用户频繁地解锁其设备(例如，采用面部识别以解锁)、启动相应的目标应用并且然后在目标应用中导航而过度消耗电池电量。以这种方式消耗电池寿命能够被认为是浪费的，特别是在其中用户访问目标应用以查看来自目标应用的通知但是通知对应于对用户无用的内容的情况下。
4.在一些实施方式中，能够根据后端过程来生成介入通知，该后端过程模拟预测用户为了检查应用的应用内容而采取的操作。例如，用户能够周期性地访问当用户先前访问应用时用户先前不可获得的应用内容。为了使用户感知内容，用户可以在应用的各种界面中导航以查看与内容的源相对应的特定界面。在具有来自用户的事先许可的情况下，由用户执行以导航到特定界面的一系列动作能够由用于训练一个或多个机器学习模型的训练
数据表征。当用户在执行某些动作之后到达期望界面时，用户可以通过查看应用内容达阈值时间段、与应用内容交互、和/或以其他方式表达对应用内容的一些可辨别的兴趣来指示对应用内容的兴趣。因此，训练数据能够将用户的动作与积极用户交互相关，以相应地训练一个或多个机器学习模型。
5.以这种方式训练的机器学习模型能够由计算设备采用，以便执行用于自主地访问应用内容并从该应用内容生成介入通知的过程。能够通过访问特定应用并基于应用的初始状态执行一个或多个操作来执行用于生成介入通知的过程。最初，能够处理各种数据以确定用户的当前上下文是否适合于向用户提供介入通知以防止用户频繁地检查他们的应用。在当前上下文被确定为适合于提供介入通知时，能够基于当前上下文来选择目标应用。然后能够通过模拟用户与目标应用之间的先前交互来确定目标应用模块的应用状态。例如，能够使用经训练的机器学习模型和/或启发式技术来识别要执行的一个或多个操作，以便基于当前上下文到达预测用户导航到的特定应用界面。
6.作为示例，经训练的机器学习模型能够用于处理表征用户家中的各种设备的操作状态和/或与用户相关联的各种应用的操作状态的上下文数据。上下文数据能够指示“放松”音乐播放列表正在用户的家中播放，家中的恒温器被设置为72度，并且用户刚刚(例如，在阈值时间段内)请求自动化助理使能设备确保家中的警报系统安全(例如，“嘿，助理，确保警报系统安全(hey assistant,secure the alarm system.)”)。上下文数据能够由经训练的机器学习模型处理，并且基于该处理，能够生成用于预测当前上下文是否是其中用户可能经由他们的蜂窝电话或其他计算设备检查特定应用的上下文的指示(例如，概率)。在一些实例中，上下文数据能够表征其中用户在一天和/或前一天中的特定时刻检查天气应用的一个或多个实例，以便查看接下来一天或多天的天气预报。因此，对上下文数据的处理能够导致对用户将在特定时间访问天气应用的预测，以便确定自从用户上次在当天早些时候检查天气应用以来接下来一天的天气预报是否已经改变。
7.基于用户将访问天气应用的该预测，能够采用经训练的机器学习模型来将天气应用识别为预测用户将访问的应用，和/或识别预测用户将采取以便导航到天气应用的期望界面的操作。例如，预测操作能够是导致天气应用渲染接下来一天的预报的一个或多个触摸界面输入。操作能够由第一方(例如，自动化助理、操作系统、计算设备等)模拟，以便使天气应用生成用于“次日”预报图形用户界面(gui)的内容。在一些实施方式中，为所得到的界面生成的内容能够由经训练的机器学习模型处理，以便确定内容是否适合于并入到介入通知中。附加地或可替代地，能够处理为所得到的界面生成的内容并将其与先前内容进行比较，以便确定是否在满足通知准则的内容方面存在差异。当识别出满足通知准则的内容时，应用能够使用内容和/或任何其他信息来生成介入通知。
8.在该示例中生成的介入通知能够包括表征最近的“次日”预报与在用户先前访问天气应用的“次日”预报时渲染的预报之间的差异的内容。附加地或可替代地，生成的介入通知能够体现表征由天气应用提供的最近的“次日”预报的内容。以这种方式，用户能够依赖于应用来编译用于根据用户的兴趣渲染的通知的内容，而不是需要用户频繁地提供相同系列的输入以便到达具有动态内容的界面。此外，这能够通过在不渲染天气应用的图形用户界面的情况下编译内容来保留计算资源。这能够消除对由图形处理器缓冲的另外的图形的需要，并且能够通过在计算设备的显示面板处渲染较少的内容来保留功率。此外，当应用
模拟用户输入以检查对目标应用的模块的状态的改变时，目标应用可以不出现在“最近的应用”列表中，从而节省了使这样的标识符出现在“最近的应用”列表中所需的存储器资源。此外，当用户较不频繁地启动目标应用时，计算设备将较不频繁地使用后台进程来保持目标应用可用于启动。
9.如本文所述，在一些实施方式中，在特定应用开始执行与应当何时渲染用于目标应用的通知有关的至少一些(例如，任何)处理之前，必须首先确定上下文数据以满足一个或多个条件。例如，在任何这样的处理发生之前，必须确定用户进行下述操作的一次或多次发生：启动目标应用、导航到目标应用的特定模块，并且然后快速关闭目标应用。例如，只有在观察到这样的发生之后，应用才会模拟输入以导航到目标应用的特定模块和/或特定模块的处理状态数据，以确定当前状态与在先状态之间的差异是否满足通知准则。在这些实施方式中的一些实施方式中，在执行这样的处理之前，能够在客户端设备处渲染初步通知。初步通知能够直接或间接地指示这种处理将进行和/或不需要手动监测模块的状态的变化。可选地，通知能够提示用户是否应该进行这样的处理，并且仅在响应于提示而接收到肯定输入时才进行处理。以这些和其他方式，初步通知能够防止用户手动地继续检查状态的变化，相反，能够进行对状态的变化的更资源高效的自动检查。因此，在那些实施方式中，能够通过提供初步通知来进一步确保电池和/或其他资源的节省。在一些实施方式中，目标应用能够是网站、url、移动应用、桌面应用、服务器应用和/或能够在一个或多个计算设备处执行的任何其他程序或数据。
10.以上描述被提供作为本公开的一些实施方式的概述。下文更详细地描述了这些实施方式和其他实施方式的进一步描述。
11.其他实施方式可以包括一种存储指令的非暂时性计算机可读存储介质，该指令可由一个或多个处理器(例如，中央处理单元(cpu)、图形处理单元(gpu)和/或张量处理单元(tpu))执行以执行诸如上文和/或本文别处描述的方法中的一个或多个的方法。其他实施方式可以包括一种一个或多个计算机的系统，该一个或多个计算机包括可操作以执行存储的指令以执行诸如上文和/或本文别处描述的方法中的一个或多个的方法的一个或多个处理器。
12.应当认识到，前述概念和本文更详细描述的附加概念的所有组合都被认为是本文公开的主题的一部分。例如，出现在本公开末尾的要求保护的主题的所有组合都被认为是本文公开的主题的一部分。
附图说明
13.图1a、图1b、图1c和图1d图示了用户启动目标应用以检查更新的内容并且此后不久关闭目标应用的实例的视图。
14.图2a、图2b和图2c图示了用户与由目标应用提供的通知交互的实例的视图，并且该实例是后续介入通知的基础。
15.图3提供了表征在一些实施方式中如何能够基于各种不同场景来生成训练数据以便训练机器学习模型以在生成介入通知时使用的图。
16.图4a和图4b图示了用户响应于确认基于用户与目标应用之间的先前交互生成的应用通知而访问目标应用的视图。
17.图5图示了用于提供自动化助理的系统，该自动化助理能够选择性地确定是否从上下文信号被调用，代替需要口头调用短语而被调用。
18.图6图示了用于基于由用户或另一用户先前呈现出的应用启动行为向用户提供介入通知以便减轻这样的应用启动行为的方法。
19.图7是示例性计算机系统的框图。
具体实施方式
20.图1a、图1b、图1c、图1d图示了用户102启动目标应用128(例如，“app3”)并且此后不久关闭目标应用128的实例的视图100、视图120、视图140和视图160。该交互实例能够由能够用于生成介入通知以减轻计算上浪费的应用启动行为的数据来表征。用户102能够与计算设备104交互，其中使先前在图形用户界面122处渲染的目标应用通知显示或不显示在计算设备104的显示面板114处。换言之，用户102能够独立地决定在环境112中从计算设备104的主屏幕启动目标应用128，而不必在启动目标应用128(例如，“app3”)之前接收通知。
21.用户102能够使用他们的手116来启动目标应用128，以选择与目标应用128相对应的可选择元素124，并且使目标应用128执行，如用户意图118所指示的。响应于用户102选择目标应用通知，能够启动目标应用128，如图1b的视图120所示。当目标应用128启动时，用户能够具有导航到特定目标应用内容的另一用户意图126。然而，任何当前目标应用内容相对于用户102正在寻求找到的内容可能是微不足道的。例如，目标应用128能够是其中用户102正在与另一用户玩特定游戏的游戏应用。因此，用户102可能频繁地启动和关闭目标应用128以确定另一用户是否已经完成他们的轮次或者以其他方式提供了用户102将需要响应以便进一步游戏的一些输入。为了推断另一用户是否已经完成他们的轮次，用户102可以向计算设备104提供一个或多个不同的输入。
22.例如，当目标应用128被启动并渲染内容时，用户102能够使用他们的手来在其他可选择元素之中选择另一可选择元素130。响应于用户102选择可选择元素130，目标应用128能够渲染另一界面144，如图1c的视图140中所示。另一界面144能够对应于用户102正在与另一用户玩的棋盘游戏(例如，“go”)的图形渲染。用户102能够查看目标应用以确定自从用户102上次提供输入以来(例如，自从用户102上次移动游戏块以来)他们的对手(另一用户)是否已经向他们相应的目标应用提供了输入。在一段时间期间，用户102可以仅多次检查目标应用128以发现另一用户尚未提供任何附加输入。结果，用户102可以关闭目标应用128。
23.用户102能够使用他们的手116以便在显示面板114处提供输入以关闭目标应用128。作为响应，并且如图1d的视图160中所示，在查看目标应用内容之后的用户意图164能够是关闭目标应用128。结果，计算设备104能够返回到其中目标应用128不再在图形用户界面122的前台处执行的状态(例如，计算设备104能够返回到渲染“主屏幕”)。
24.目标应用128与用户102之间的交互能够由用于由应用生成介入通知的数据来表征。在一些实施方式中，应用能够是计算设备104的第一方操作系统、在计算设备104处执行的应用、在计算设备104处执行的一个或多个模块和/或引擎，和/或能够与目标应用交互的任何其他装置或模块。在一些实施方式中，表征交互的数据能够是用于训练一个或多个机器学习模型的训练数据。当处理用于确定用户对接收与目标应用128相关联的特定通知的
兴趣的其他数据时，能够采用使用该训练数据训练的机器学习模型。
25.例如，基于用户102与目标应用通知和/或目标应用128之间的交互生成的数据能够用于确定如何访问目标应用128的特定模块(例如，特定游戏的图形界面)的特定状态，以便当用户102对特定状态感兴趣时渲染通知。例如，图1a-1d中的用户102与计算设备104之间的交互能够通过用户操作数据(例如，主屏幕中的可选择元素124处的第一输入、目标应用128菜单中的可选择元素130处的第二输入)来表征，该用户操作数据此后能够用于模拟用户输入，以便允许介入通知应用稍后检查模块的状态。能够使用经训练的机器学习模型(例如，应用导航模型)和/或一种或多种启发式技术从操作数据确定被选择用于到达模块的用户输入。可替代地或附加地，基于交互生成的数据能够由机器学习模型(例如，模块状态模型)或利用启发式技术来使用，以确定目标应用128的当前状态是否将是用户102感兴趣的和/或是否应当向用户102提供与当前状态相关联的通知。
26.可替代地或附加地，基于交互生成的数据能够用于确定用户102如何指示对应用的特定状态的兴趣。例如，表征图1a、图1b、图1c和图1d中所示的交互的数据能够指示用户在启动目标应用128的阈值时间段内关闭目标应用128。因此，该数据实例能够表征其中用户102对来自目标应用128的通知不感兴趣的交互。在一些实施方式中，数据能够是训练数据的实例，其中，输入训练数据能够表征目标应用通知、目标应用通知的内容、目标应用128的当前状态、目标应用128的当前状态与先前状态之间的差异，和/或能够与一个或多个应用相关联的任何其他信息。可替代地或附加地，数据能够是训练数据的实例，其中，输出训练数据能够表征用户102对由输入训练数据表征的信息的提高的兴趣。根据该训练数据训练的机器学习模型能够用于处理与目标应用128和/或任何其他应用相关联的类似输入，以便生成一个或多个介入通知。
27.在一些实施方式中，生成介入通知的应用能够是相对于向应用授予访问权限的第一方操作系统的第三方应用。可替代地，生成介入通知的应用能够是相对于向应用授予访问权限的第一方操作的第一方应用。
28.图2a、图2b和图2c图示了用户202与由目标应用(例如，第三方应用)提供的通知交互的实例的视图200、视图220和视图240，并且该实例是后续介入通知的基础。介入通知能够是基于用户202与目标应用之间的交互的实例，以便生成有意义的介入通知。能够生成通知以便减轻浪费的应用启动行为。例如，当乘坐自动驾驶的车辆208时，用户202能够频繁地从计算设备204的显示面板214的图形用户界面222选择要启动的可选择元素218。用户202可以呈现出从计算设备204的主屏幕启动目标应用的意图206，以便确定新内容是否可经由目标应用获得。
29.响应于用户202在车辆208内的计算设备204处选择可选择元素218(例如，用于启动第三方应用的快捷方式)，计算设备204能够使得在车辆208正在自动驾驶时启动目标应用224。换言之，在计算设备204处的操作系统能够最初从用户202接收输入以使计算设备204渲染目标应用224。在输入之前，目标应用224可以不在计算设备204处执行，然而，能够响应于用户202向计算设备204提供输入而打开和/或启动目标应用224，以便选择可选择元素218。
30.图2b图示了用户202查看目标应用224的内容的视图220，如由附加用户意图228所指示的。能够响应于用户202选择可选择元素218而启动目标应用224，从而使得能够渲染目
标应用224的第一界面230。在一些实施方式中，目标应用224能够是关于图1a、图1b和图1c讨论的相同应用。可替代地或附加地，目标应用224能够与关于图1a、图1b和图1c讨论的应用不同。例如，目标应用224能够是用户202正在与其他用户(例如，“reggie”)竞争的游戏应用。因此，用户202可以频繁地启动和关闭目标应用224，以便确定他们的对手是否已经采取任何动作和/或用户202是否能够采取动作来进一步进行游戏。
31.当用户202正在查看在图形用户界面212处渲染的目标应用内容时，用户202能够使用他们的手216以便向目标应用224和/或计算设备204提供另一输入。响应于用户202选择目标应用224的可选择元素226，目标应用224和/或计算设备204能够渲染第二界面246。第二界面246能够是例如游戏(诸如“go”棋盘游戏)的交互界面。响应于用户202查看第二界面246，用户202能够使用他们的手216以便与第二界面246交互，如由附加用户意图244所指示的。例如，用户202能够选择图形用户界面212的一部分，其中，正在渲染棋盘游戏的棋盘。由用户202选择的图形用户界面212和/或第二界面246的该部分能够对应于一个或多个坐标、显示面板214的一个或多个像素、显示面板214的像素区域和/或显示面板214的像素的动态范围。用于表征由用户202选择的部分的数据能够用于生成用于训练机器学习模型的训练数据，以帮助识别用户202有兴趣看到更新的目标应用224的模块。附加地或可替代地，表征由用户202选择的部分的数据能够用于生成用于训练机器学习模型的训练数据，以帮助识别由用户202执行的操作，以便到达目标应用224的特定模块。附加地或可替代地，表征由用户202选择的部分的数据能够用于生成用于训练机器学习模型的训练数据，以帮助确定模块的状态是否应该用作向用户202提供介入通知的基础。
32.计算设备204能够生成表征图2a、图2b和图2c中所示的交互的数据。该数据能够用于生成用户可能感兴趣的后续通知，并且还可以减轻用户202呈现出应用启动行为的频率。例如，数据能够是训练数据的实例，其中，训练数据的输出对应于用户202与目标应用224之间的积极交互。此外，训练数据的实例能够包括表征目标应用通知222、在图2b处渲染的第一界面和/或在图2c处渲染的第二界面246的输入。可替代地或附加地，包括在训练数据中的输入数据能够将一部分表征为用户在图2b和/或图2c处用他们的手216接触的图形用户界面212。在一些实施方式中，能够将表征第一界面的第一数据和/或表征第二界面246的第二数据与表征目标应用的先前界面的其他数据进行比较。例如，能够将表征第一界面的第一数据与表征在图1b处渲染的目标应用128的界面的其他数据进行比较。基于该比较，能够生成用于表征第一界面与另一界面之间的差异的状态数据。该状态数据能够用作输入训练数据并且与表征用户对第一界面230和/或第二用户界面246的兴趣的输出训练数据相关。
33.在一些实施方式中，表征由用户202提供给计算设备204和/或目标应用224以便到达第二界面246的一个或多个输入的输入数据能够用于随后模拟用于访问第二界面246的输入。此后，输入数据能够由应用(例如，第一方应用)访问，该应用能够模拟用户202访问目标应用224的内容，而无需在计算设备204或另一计算设备的图形用户界面212处可视地渲染内容。例如，应用或对应的服务器侧应用能够启动目标应用224作为对用户202不可见的后端进程，但是以其他方式允许应用在具有来自用户202的事先许可的情况下访问目标应用224的各种不同界面的内容。被访问的内容能够是动态内容，因为内容由第三方实体、第三方服务器设备、第三方计算设备和/或能够与计算设备204通信的任何其他设备或应用周期性地更新。当应用正在使用根据训练数据训练的经训练的机器学习模型时，应用能够周
期性地访问目标应用224的内容并处理该内容以确定是否向用户提供通知。是否向用户202提供介入通知的确定能够是基于其中用户202或另一用户与内容积极交互或不理会内容的过去交互。
34.图3提供了表征在一些实施方式中如何能够基于各种不同的场景来生成训练数据以便训练机器学习模型以在生成介入通知时使用的图300。图3中描绘的第一场景304能够对应于参考图1a、图1b和图1c描述的场景。图3中描绘的第二场景302能够对应于参考图2a、图2b和图2c描述的场景。基于第一场景304，能够生成第一训练数据308以表征其中用户响应于确认第三方通知而启动目标应用的场景。此外，在第一场景304中，用户关闭目标应用而不呈现出对由目标应用生成的内容的任何兴趣。此外，基于第二场景302，能够生成第二训练数据312以表征其中用户响应于分开的第三方通知而启动目标应用的另一场景。另外，在第二场景302中，用户对由目标应用生成的内容呈现出一定程度的兴趣。
35.第一训练数据308能够包括表征其中用户与计算设备和/或目标应用交互的环境的一个或多个特征的输入数据。另外，第二训练数据312能够包括表征其中用户与计算设备和/或目标应用交互的分开的环境的一个或多个其他特征的输入数据。此外，第一训练数据308和第二训练数据312能够包括基于用户是否表达了对与第三方通知相对应的内容的兴趣的输出训练数据。在一些实施方式中，能够基于在确定用户是否对特定应用的状态感兴趣时能够使用的通知准则来生成输出训练数据。例如，对应于第一场景304的输出训练数据能够包括不满足通知阈值的值，并且能够基于通知准则来确定该值。
36.例如，通知准则能够是在该值被表征为积极交互(例如，值1)之前用户应该与目标应用的特定界面或内容互动的阈值时间量。此外，对应于第二场景302的输出训练数据能够包括确实满足通知阈值的另一值，并且该另一值也能够基于通知准则来确定。因此，因为用户可能已经与目标应用的另一特定界面或其他内容互动达至少阈值时间量，所以该另一值能够指示积极交互。
37.能够使用输入训练数据和输出训练数据来训练一个或多个经训练的机器学习模型。在一些实施方式中，能够执行联邦学习，以便使用与各种不同用户相关联的训练数据并且在具有来自这些用户的事前许可的情况下来训练一个或多个机器学习模型。当已经使用在第一场景304和第二场景302处生成的训练数据训练了机器学习模型时，所得到的经训练的机器学习模型能够由与用户相关联的一个或多个客户端设备访问。例如，在一些实施方式中，能够在远程计算设备310(诸如通过诸如互联网的网络306与各种不同的客户端设备通信的服务器设备)处执行一个或多个机器学习模型的训练。在一些实施方式中，能够在远程计算设备310(诸如与第三方实体和第一方引擎和/或模块通信的服务器设备)处执行对用户输入的模拟以到达特定应用状态和/或应用内容。经训练的机器学习模型314能够与用户在第一场景304中与之交互的第一计算设备共享。能够与用户在第二场景302中与之交互的第二计算设备共享另一经训练的机器学习模型316。然后，每个经训练的机器学习模型能够由每个相应的客户端设备和/或自动化助理采用，以便允许客户端设备和/或自动化助理为用户渲染介入通知。
38.图4a和图4b图示了用户402响应于确认基于用户402与目标应用之间的先前交互生成的应用通知而访问目标应用的视图408和视图420。在一些实施方式中，应用能够模拟用户402与目标应用之间的交互，以便确定是否向用户402提供应用通知424。应用能够处理
来自一个或多个源的上下文数据，以便确定是否初始化模拟这样的交互。例如，应用能够确定用户402接近其中用户402先前启动目标应用以检查特定更新的环境412内的另一计算设备410。因此，响应于用户402进入环境412和/或被确定为接近另一计算设备410，应用能够初始化由用户402执行的模拟操作，以便访问在目标应用处可获得的一个或多个特定模块。
39.在一些实例中，当应用已经完成模拟用于访问目标应用的特定内容和/或特定状态的用户操作时，应用能够识别与该特定状态相关联的内容。能够由经训练的机器学习模型处理内容，以便确定内容是否满足通知准则。在一些实施方式中，能够在不为用户402渲染可见指示的情况下执行由应用执行以便访问目标应用的内容的操作。可替代地或附加地，应用能够通知用户402应用何时模拟用户操作以便访问目标应用的内容。
40.在一些实施方式中，由应用访问的内容能够由训练机器学习模型处理，并且能够基于这样的处理被确定为满足通知准则。当确定内容满足通知准则时，用户402能够向计算设备404提供输入，以便经由应用通知424启动目标应用。能够在计算设备404的显示面板414处提供的图形用户界面422处渲染应用通知。如由用户状态406所指示的，用户能够观察应用通知424并且作为响应启动目标应用。
41.如图4b的视图420所示，用户能够查看与介入通知相对应的目标应用内容，如由另一用户状态428所指示的。响应于用户402选择应用通知424，应用能够模拟一个或多个用户操作，以便使目标应用430渲染满足通知准则的内容。例如，基于启发式观察，应用能够确定用户402通常对查看目标应用430的游戏界面426而不是查看广告内容更感兴趣。因此，尽管目标应用430可以推送与广告相对应的通知，但是用户402能够选择关闭目标应用通知，以便专门依赖于为目标应用430生成的应用通知。以这种方式，能够减轻重复的应用启动和关闭，从而保留计算设备404的电池寿命，以及否则将通过在显示面板414处频繁地渲染目标应用430而消耗的计算资源。
42.图5图示了用于经由应用提供介入通知以减轻由一些用户呈现出的计算上浪费的应用启动行为的系统500。该应用能够是但不限于自动化助理504，其能够作为在诸如计算设备502和/或服务器设备的一个或多个计算设备处提供的助理应用的一部分来操作。用户能够经由助理接口520与自动化助理504交互，助理接口能够是麦克风、相机、触摸屏显示器、用户接口和/或能够在用户与应用之间提供接口的任何其他装置。例如，用户能够通过向助理接口提供言语、文本和/或图形输入来初始化自动化助理504，以使自动化助理504执行功能(例如，提供数据、控制外围设备、访问代理，生成输入和/或输出等)。
43.可替代地，能够基于使用一个或多个经训练的机器学习模型对上下文数据536的处理来初始化自动化助理504。上下文数据536能够表征其中自动化助理504可访问的环境的一个或多个特征，和/或被预测为意图与自动化助理504交互的用户的一个或多个特征。计算设备502能够包括显示设备，该显示设备能够是显示面板，该显示面板包括用于接收触摸输入和/或手势以允许用户经由触摸界面控制计算设备502的应用534的触摸界面。在一些实施方式中，计算设备502能够缺少显示设备，从而提供可听用户接口输出，而不提供图形用户界面输出。此外，计算设备502能够提供用于从用户接收口头话语自然语言输入的用户接口，诸如麦克风。在一些实施方式中，计算设备502能够包括触摸界面并且能够没有相机，但是能够可选地包括一个或多个其他传感器。
44.计算设备502和/或其他第三方客户端设备能够通过诸如互联网的网络与服务器
设备通信。另外，计算设备502和任何其他计算设备能够通过诸如wi-fi网络的局域网(lan)彼此通信。计算设备502能够将计算任务卸载到服务器设备，以便节省计算设备502处的计算资源。例如，服务器设备能够托管自动化助理504，和/或计算设备502能够将在一个或多个辅助接口520处接收到的输入传输到服务器设备。然而，在一些实施方式中，自动化助理504能够被托管在计算设备502处，并且能够与自动化助理操作相关联的各种过程能够在计算设备502处被执行。
45.在各种实施方式中，能够在计算设备502上实现自动化助理504的所有方面或少于所有方面。在这些实施方式中的一些实施方式中，自动化助理504的方面经由计算设备502被实现并且能够与服务器设备对接，其能够实现自动化助理504的其他方面。服务器设备能够可选地经由多个线程服务多个用户及其相关联的助理应用。在经由计算设备502实现自动化助理504的所有方面或少于所有方面的实施方式中，自动化助理504能够是与计算设备502的操作系统分开的应用(例如，安装在操作系统“之上”)，或者能够替代地由计算设备502的操作系统直接实现(例如，被认为是操作系统的应用，但与操作系统集成)。
46.在一些实施方式中，自动化助理504能够包括输入处理引擎508，其能够采用多个不同的模块来处理计算设备502和/或服务器设备的输入和/或输出。例如，输入处理引擎508能够包括语音处理引擎516，其能够处理在助理接口520处接收到的音频数据以识别在音频数据中体现的文本。音频数据能够从例如计算设备502传输到服务器设备，以便在计算设备502处保留计算资源。附加地或可替代地，音频数据能够在计算设备502被专门处理。
47.用于将音频数据转换为文本的过程能够包括语音识别算法，该语音识别算法能够采用神经网络和/或用于识别对应于单词或短语的音频数据组的统计模型。从音频数据转换的文本能够由数据解析引擎510解析，并且作为文本数据提供给自动化助理504，该文本数据能够被用于生成和/或识别命令短语、意图、动作、槽值和/或由用户指定的任何其他内容。在一些实施方式中，能够将由数据解析引擎510提供的输出数据提供给参数引擎512以确定用户是否提供了与能够由自动化助理504和/或能够经由自动化助理504访问的应用或代理执行的特定意图、动作和/或例程相对应的输入。例如，助理数据538能够被存储在服务器设备和/或计算设备502处，并且能够包括定义能够由自动化助理504执行的一个或多个动作的数据以及执行动作所需的参数。参数引擎512能够生成用于意图、动作和/或槽值的一个或多个参数，并且将一个或多个参数提供给输出生成引擎514。输出生成引擎514能够使用一个或多个参数来与助理接口520通信以向用户提供输出，和/或与一个或多个应用534通信以向一个或多个应用534提供输出。
48.在一些实施方式中，自动化助理504能够是能够安装在计算设备502的操作系统“之上”和/或本身能够形成计算设备502的操作系统的一部分(或全部)的应用。自动化助理应用包括和/或能够访问设备上语音识别、设备上自然语言理解和设备上履行。例如，能够使用设备上语音识别模块来执行设备上语音识别，该设备上语音识别模块使用本地存储在计算设备502处的端到端语音识别机器学习模型来处理(由麦克风检测到的)音频数据。设备上语音识别为音频数据中存在的口头话语(如果有的话)生成识别文本。此外，例如，能够使用设备上自然语言理解(nlu)模块来执行设备上nlu模块，该设备上nlu模块处理使用设备上语音识别生成的识别文本以及可选地上下文数据，以生成nlu数据。
49.nlu数据能够包括与口头话语相对应的意图以及可选地用于意图的参数(例如，槽
值)。能够使用设备上履行模块来执行设备上履行，该设备上履行模块利用(来自设备上nlu的)nlu数据以及可选地其他本地数据来确定要采取的动作以解析口头话语的意图(以及可选地意图的参数)。这能够包括确定对口头话语的本地和/或远程响应(例如，回答)、基于口头话语要执行的与本地安装的应用的交互、基于口头话语要(直接地或经由对应的远程系统)传输到物联网(iot)设备的命令、和/或基于口头话语要执行的其他解析动作。然后，设备上履行能够发起所确定的动作的本地和/或远程执行/运行以解析口头话语。
50.在各种实施方式中，能够至少选择性地利用远程语音处理、远程nlu和/或远程履行。例如，识别文本能够至少选择性地被传输到远程自动化助理组件以用于远程nlu和/或远程履行。例如，识别文本能够可选地与设备上执行并行地或者响应于设备上nlu和/或设备上履行的故障而被传输以用于远程执行。然而，设备上语音处理、设备上nlu、设备上履行和/或设备上执行能够至少由于它们在解析口头话语时提供的延迟减少(由于不需要客户端-服务器往返来解析口头话语)而被优先化。此外，设备上功能能够是在没有网络连接或具有有限网络连接的情况下可用的仅有功能。
51.在一些实施方式中，计算设备502能够包括能够由与提供计算设备502和/或自动化助理504的实体不同的第三方实体提供的一个或多个应用534。自动化助理504和/或计算设备502的应用状态引擎516能够访问应用数据530以确定能够由一个或多个应用534执行的一个或多个动作，以及一个或多个应用534中的每个应用的状态和/或与计算设备502相关联的相应设备的状态。自动化助理504和/或计算设备502的状态处理引擎528能够访问设备数据528以确定能够由计算设备502和/或与计算设备502相关联的一个或多个设备执行的一个或多个动作。此外，应用数据530和/或任何其他数据(例如，设备数据528)能够由自动化助理504访问以生成上下文数据536，该上下文数据536能够表征其中特定应用534和/或设备正在执行的上下文，和/或其中特定用户正在访问计算设备502、访问应用534和/或任何其他设备或模块的上下文。
52.当一个或多个应用534正在计算设备502处执行时，设备数据528能够表征正在计算设备502处执行的每个应用534的当前操作状态。此外，应用数据530能够表征正在执行的应用534的一个或多个特征，诸如在一个或多个应用534的方向上渲染的一个或多个图形用户界面的内容。可替代地或附加地，应用数据530能够表征动作模式，该动作模式能够由相应应用和/或由自动化助理504基于相应应用的当前操作状态来更新。可替代地或附加地，一个或多个应用534的一个或多个动作模式能够保持静态，但是能够由应用状态引擎516访问，以便确定经由自动化助理504初始化的合适动作。
53.在一些实施方式中，计算设备502能够包括能够处理上下文数据536、设备数据528和应用数据530的上下文处理引擎518。上下文处理引擎518能够处理该数据以确定是否检查一个或多个应用534的一个或多个模块的一个或多个状态。例如，应用534能够包括用于玩游戏的模块和用于发送消息的另一模块。上下文处理引擎518能够访问目标应用534并基于用户与应用534之间的先前交互来访问消息模块，其中，用户访问了消息模块。以这种方式，上下文处理引擎518能够在用户启动对应的目标应用之前主动访问后台进程中的一个或多个模块的状态数据。在一些实施方式中，上下文处理引擎能够采用访问机器学习(ml)模型550，其能够用于确定何时访问特定目标应用以确定目标应用的一个或多个模块的状态。在一些实施方式中，能够使用访问ml模型550来确定访问目标应用模块的状态的决定，
访问ml模型550能够在处理上下文数据536、设备数据528和/或应用数据530时使用，以便确定访问目标应用的时间。能够使用基于一个或多个用户与一个或多个应用之间的先前交互的数据来训练访问ml模型550。
54.在一些实施方式中，计算设备502能够包括应用状态引擎526，其能够模拟与一个或多个应用534的用户交互，以便识别应用534的一个或多个模块的一个或多个状态。例如，应用534中的应用和/或自动化助理504能够采用应用状态引擎526以便与应用534中的目标应用交互。该应用与目标应用之间的交互能够涉及该应用向目标应用提供一个或多个输入并处理由目标应用提供的数据。能够基于其中用户访问目标应用并且向目标应用提供一个或多个类似输入以便访问一个或多个模块的先前交互来选择一个或多个输入。在一些实施方式中，能够使用导航ml模型552来选择一个或多个输入，导航ml模型552能够在处理上下文数据536、设备数据528和/或应用数据530时使用，以便选择用于访问目标应用的特定模块的特定输入。能够使用基于一个或多个用户与一个或多个应用之间的先前交互的数据来训练导航ml模型552。
55.在一些实施方式中，能够基于启发式过程来选择由应用提供的一个或多个输入，其中，应用识别用户先前已经提供的输入以便到达感兴趣的特定模块，并且还识别用户先前已经提供但到达用户不太感兴趣的另一模块的输入。在一些实施方式中，能够基于一个或多个经训练的机器学习模型来选择由应用提供的一个或多个输入。例如，应用能够使目标应用在后台进程中启动，并且能够使用一个或多个经训练的机器学习模型来处理响应于启动目标应用而提供的内容的一个或多个部分。基于该处理，一个或多个输入能够由应用选择并提供给目标应用，以便导航到用户感兴趣的特定模块。能够使用一个或多个经训练的机器学习模型来再次处理随后响应于一个或多个输入而提供的内容数据。能够处理该随后的内容数据以确定是否应该向目标应用提供任何附加输入以便到达特定模块，或者用户感兴趣的特定模块当前是否正在被应用访问。
56.当应用确定用户对目标应用的特定状态和/或模块感兴趣时，计算设备502能够采用状态处理引擎528。状态处理引擎528能够访问表征应用在用户输入的模拟期间已经导航到的模块的状态数据。状态数据能够由状态处理引擎528处理，以确定特定模块的当前状态是否满足通知准则。例如，状态数据能够是基于由目标应用用于渲染目标应用和/或模块的输出(例如，图形用户界面、音频、自然语言内容等)的信息。当状态数据表征由用户先前访问的图形用户界面并且用户对图形用户界面没有表示出特别感兴趣时，能够确定状态数据不满足通知准则。然而，当状态数据表征用户尚未看到的更新的图形用户界面并且用户先前已经表达了对这样的更新的图形用户界面的兴趣时，状态处理引擎528能够确定状态数据满足通知准则。
57.在一些实施方式中，状态处理引擎528能够使用经训练的机器学习模型(诸如状态ml模型554)来处理状态数据和/或先前的状态数据。可替代地或另外地，表征模块的当前状态与模块的先前状态之间的差异的差异数据能够由状态处理引擎528处理。使用状态ml模型554生成的输出能够指示目标应用的模块的当前状态满足通知准则或不满足通知准则。例如，通知准则能够是阈值，并且当使用状态ml模型554生成的概率满足阈值时，能够认为满足通知准则。例如，表征游戏应用的模块的状态的像素数据能够不同于表征模块的先前日期的先前像素数据。基于用户与游戏应用之间的在先交互，当该像素数据与先前像素数
据之间的差异归因于广告时，像素数据之间的差异的处理能够导致不满足通知准则的概率。然而，当先前像素数据中的像素数据之间的差异归因于具有新状态的对手(例如，国际象棋中的对手已经移动了他们的棋子)时，像素贝塔之间的差异的处理能够导致不满足通知准则的另一概率。
58.当满足通知准则时，通知生成引擎540能够处理与由应用访问的模块相对应的状态数据。在一些实施方式中，状态数据能够表征基于先前交互而被确定为用户感兴趣的模块的状态。通知生成引擎540能够生成能够在计算设备502的界面处渲染的通知的内容。在一些实施方式中，通知生成引擎540能够生成指示应用已经基于目标应用识别出通知的通知。可替代地或附加地，通知生成引擎540能够生成包括表征目标应用的模块的当前状态的内容的通知。可替代地或附加地，通知生成引擎540可以生成包括表征模块的当前状态与当用户先前访问目标应用并查看模块的界面时模块的先前状态之间的差异的其他内容的通知。在一些实施方式中，能够基于用户是否与由应用渲染的通知交互来生成进一步的训练数据。能够使用该进一步的训练数据来训练一个或多个机器学习模块，以便提供与用户更相关的后续通知并减轻这些机器学习模块启动应用以检查一个或多个模块的频率。
59.图6图示了用于基于由用户或另一用户先前呈现出的应用启动行为向用户提供介入通知以便减轻这样的应用启动行为的方法600。方法600能够由一个或多个应用、设备和/或能够提供通知的任何其他装置或模块来执行。方法600能够包括确定是否访问目标应用的特定模块的操作602。在一些实施方式中，该确定能够是基于用户与目标应用之间的先前交互。例如，应用能够确定用户频繁地启动目标应用以便访问特定模块。应用还能够确定用户更喜欢何时被通知对特定模块的状态的改变。例如，应用能够确定用户通常在从与他们的工作场所相对应的地理位置到家时检查目标应用。因此，当用户在从他们的工作场所回家的途中或已经到家时，应用能够先发制人地访问目标应用的特定模块。当应用确定访问目标应用的特定模块时，方法600能够从操作602进行到操作604。否则，应用能够继续确定何时访问一个或多个目标应用的一个或多个模块。
60.操作604能够包括向目标应用提供一个或多个输入，以便模拟用户检查目标应用的特定模块的当前状态。在一些实施方式中，能够基于启发式方法来识别一个或多个输入，在该启发式方法中，应用在具有来自用户的事先许可的情况下识别用户向目标应用提供以到达特定模块的一个或多个输入。在其他实施方式中，能够基于使用一个或多个机器学习模型处理数据来识别一个或多个输入。能够使用基于用户与目标应用之间的先前交互的数据来训练一个或多个机器学习模型。例如，当用户参与与目标应用的特定交互时，应用能够生成表征在特定交互期间向目标应用提供的输入的数据。在一些实施方式中，特定交互包括用户访问目标应用的特定模块达至少阈值时间量。可替代地或附加地，特定交互能够包括阈值数量的输入、一种或多种类型的输入、内容的特定部分和/或能够区分用户与目标应用之间的交互的任何其他特征。
61.方法600能够包括确定目标应用的模块的当前状态的操作606。在一些实施方式中，模块能够对应于目标应用的一个或多个特定界面。可替代地或附加地，模块能够对应于目标应用的一个或多个特定功能和/或目标应用的一个或多个特定动作。以这种方式，由应用(例如，应用、操作系统和/或任何其他软件)生成的通知能够指示目标应用的特定界面、动作和/或功能的状态、进度和/或使用。
62.方法600能够从操作606进行到确定模块的当前状态是否满足通知准则的操作608。在一些实施方式中，通知准则能够是指由使用经训练的机器学习模块来处理模块数据而得到的输出。当输出对应于满足通知准则的指示(例如，输出为“1”)时，方法600能够从操作608进行到操作610。当输出对应于不满足通知准则的不同指示(例如，输出为“0”)时，方法600能够从操作608进行到操作602。在一些实施方式中，当模块的当前状态与模块的先前状态不同时，能够满足通知准则。可替代地或附加地，当模块的界面的内容包括与能够由一个或多个目标应用提供的其他内容不同的特定内容(例如，文字、图像、音频等)时，能够满足通知准则。
63.操作610能够包括基于目标应用的当前状态来生成内容数据。在一些实施方式中，内容数据能够表征模块的当前状态、识别目标应用、识别模块的当前状态与模块的先前状态之间的差异，和/或包括自然语言内容、文本、音频、视频、图像和/或能够被包括在计算设备处的通知中的任何其他内容。
64.方法600能够从操作610进行到操作612，操作612包括使得经由计算设备或另一计算设备渲染通知。在一些实施方式中，在用户有机会观察模块的当前状态之前，能够将通知渲染为介入通知。此外，当确定用户正在查看计算设备或另一计算设备或以其他方式与计算设备或另一计算设备交互时，能够由应用渲染通知。在一些实施方式中，能够基于用户与通知之间的交互来生成数据，以便进一步训练机器学习模型以在提供后续介入通知时使用。
65.图7是示例性计算机系统710的框图。计算机系统710通常包括至少一个处理器714，其经由总线子系统712与多个外围设备通信。这些外围设备可以包括存储子系统724，包括例如存储器725和文件存储子系统726、用户接口输出设备720、用户接口输入设备722和网络接口子系统716。输入和输出设备允许用户与计算机系统710交互。网络接口子系统716提供到外部网络的接口，并被耦合到其他计算机系统中的对应接口设备。
66.用户接口输入设备722可以包括键盘、诸如鼠标、轨迹球、触摸板或图形输入板的定点设备、扫描仪、并入到显示器中的触摸屏、诸如语音识别系统的音频输入设备、麦克风和/或其他类型的输入设备。一般而言，术语“输入设备”的使用旨在包括将信息输入计算机系统710中或通信网络上的所有可能类型的设备和方式。
67.用户接口输出设备720可以包括显示子系统、打印机、传真机或诸如音频输出设备的非视觉显示器。显示子系统可以包括阴极射线管(crt)、诸如液晶显示器(lcd)的平板设备、投影设备或用于产生可见图像的一些其他机制。显示子系统还可以诸如经由音频输出设备提供非视觉显示器。一般而言，术语“输出设备”的使用旨在包括从计算机系统710向用户或另一机器或计算机系统输出信息的所有可能类型的设备和方式。
68.存储子系统724存储提供本文中描述的一些或所有模块的功能的程序和数据结构。例如，存储子系统724可以包括执行方法600的选定方面和/或实现系统500、计算设备104、计算设备204、应用、目标应用、远程计算设备310、计算设备404、其他计算设备410和/或本文中讨论的任何其他应用、设备、装置和/或模块中的一个或多个的逻辑。
69.这些软件模块通常由处理器714单独或与其他处理器组合执行。存储子系统724中使用的存储器725能够包括多个存储器，其包括用于在程序执行期间存储指令和数据的主随机存取存储器(ram)730和其中存储固定指令的只读存储器(rom)732。文件存储子系统
726能够为程序和数据文件提供持久存储，并且可以包括硬盘驱动器、软盘驱动器连同相关联的可移除介质、cd-rom驱动器、光驱动器或可移除介质盒。实现某些实施方式的功能的模块可以由文件存储子系统726存储在存储子系统724中，或存储在可由处理器714访问的其他机器中。
70.总线子系统712提供了用于让计算机系统710的各种组件和子系统按预期彼此通信的机制。尽管总线子系统712被示意性地示出为单个总线，但是总线子系统的替代实施方式可以使用多个总线。
71.计算机系统710能够是各种类型，包括工作站、服务器、计算集群、刀片服务器、服务器农场或任何其他数据处理系统或计算设备。由于计算机和网络的不断变化的性质，图7中描绘的计算机系统710的描述仅旨在作为用于图示一些实施方式的目的的示例。计算机系统710的许多其他配置可能具有比图7中描绘的计算机系统更多或更少的组件。
72.在其中本文中描述的系统收集有关用户(或本文中通常称为“参与者”)的个人信息或可以利用个人信息的情况下，可以为用户提供控制程序或特征是否收集用户信息(例如，关于用户的社交网络、社交动作或活动、职业、用户的喜好或用户当前地理位置的信息)的机会，或控制是否和/或如何从内容服务器接收可能与用户更相关的内容。此外，在存储或使用某些数据之前，这些数据可以以一种或多种方式被处理，从而移除个人可识别信息。例如，用户的身份可以被处理，使得不能确定用户的个人可识别信息，或者用户的地理位置可以在获得地理位置信息的情况下被一般化(诸如到城市、邮政编码或州级)，使得不能确定用户的具体地理位置。因此，用户可以控制如何收集和/或使用关于用户的信息。
73.虽然本文中已经描述和说明了几种实施方式，但是可以利用用于执行功能和/或获得结果和/或本文中描述的一个或多个优点的各种其他装置和/或结构，并且这些变型和/或改进中的每一个被认为在本文中描述的实施方式的范围内。更一般地，本文中描述的所有参数、尺寸、材料和配置都意指示例性的，并且实际参数、尺寸、材料和/或配置将取决于教导用于的一个或多个特定应用。本领域技术人员将认识到或能够仅使用常规实验来确定本文中描述的特定实施方式的许多等价物。因此，应当理解，前述实施方式仅通过示例被呈现，并且在所附权利要求及其等价物的范围内，可以以不同于具体描述和要求保护的方式实践实施方式。本公开的实施方式涉及本文中描述的每个单独的特征、系统、产品、材料、套件和/或方法。另外，如果两个或更多个这样的特征、系统、产品、材料、套件和/或方法不相互矛盾，则这样的特征、系统、产品、材料、套件和/或方法的任何组合被包括在本公开的范围内。
74.在一些实施方式中，一种由一个或多个处理器实现的方法被阐述为包括诸如由应用基于目标应用数据来确定目标应用的模块的当前状态的操作，其中，用户能够经由计算设备访问目标应用，以确定对目标应用的模块的状态的任何改变是否已经发生。该方法能够进一步基于确定模块的当前状态来生成表征模块的当前状态与模块的先前状态之间的差异的状态数据的操作，其中，在计算设备处不可见地渲染与目标应用相对应的任何图形用户界面的情况下，执行生成状态数据。该方法能够进一步包括处理状态数据以确定模块的当前状态与模块的先前状态之间的差异是否满足通知准则的操作，其中，基于其中一个或多个用户访问目标应用的先前交互来确定模块的当前状态与模块的先前状态之间的差异是否满足通知准则。该方法能够进一步包括以下操作：当确定满足通知准则时：生成与目
标应用相关联的内容数据，以及使得经由计算设备或另一计算设备渲染通知，其中，通知识别内容数据的至少一部分。
75.在一些实施方式中，先前交互包括其中用户在阈值时间段内多次访问目标应用的在先实例。在一些实施方式中，当对状态数据的处理导致预测模块响应于一个或多个用户查看模块的当前状态而从一个或多个用户接收一个或多个特定输入的指示时，满足通知准则。在一些实施方式中，积极交互包括用户查看目标应用达阈值时间段或者用户向目标应用提供一个或多个特定输入。在一些实施方式中，使得经由计算设备或另一计算设备渲染通知包括使得应用在目标应用未在计算设备处执行时渲染通知。
76.在一些实施方式中，基于目标应用数据来确定模块的当前状态包括：向目标应用或与目标应用相关联的实体提供一个或多个输入，以便访问模块，其中，基于其中一个或多个用户访问目标应用的先前交互来选择用于提供给目标应用或实体的一个或多个输入，以确定对模块的状态的任何改变是否已经发生。在一些实施方式中，基于目标应用数据来确定模块的当前状态包括：向目标应用或与目标应用相关联的实体提供一个或多个输入，以便访问模块，其中，使用经训练的机器学习模型或另一经训练的机器学习模型来选择一个或多个输入。在一些实施方式中，目标应用的一个或多个输入模拟一个或多个用户与目标应用之间的先前用户交互，以及其中，使用基于一个或多个用户与目标应用之间的先前用户交互的训练数据的实例来训练经训练的机器学习模型或另一经训练的机器学习模型。
77.在一些实施方式中，该方法能够进一步包括由应用基于分开的目标应用数据来确定分开的目标应用的另一当前状态；以及处理分开的状态数据以确定另一当前状态是否满足与通知准则不同的分开的通知准则的操作。在一些实施方式中，该方法能够进一步包括以下操作：当确定满足分开的通知准则时：访问基于分开的目标应用的另一当前状态的分开的内容数据，其中，使得经由计算设备或另一计算设备渲染通知包括使得通知包括分开的内容数据的至少一部分。
78.在一些实施方式中，使用利用训练数据训练的经训练的机器学习模型来生成通知准则。在一些实施方式中，内容数据是进一步基于目标应用的模块的当前状态。在一些实施方式中，该方法能够进一步包括处理表征包括用户的环境的特征的上下文数据的操作，其中，由与用户相关联的一个或多个计算设备生成上下文数据，以及其中，基于处理上下文数据来执行确定目标应用的模块的当前状态。在一些实施方式中，使用利用基于一个或多个用户与目标应用之间的先前交互的训练数据的实例训练的经训练的机器学习模型来执行处理上下文数据。
79.在一些实施方式中，该方法能够进一步包括以下操作：在使得经由计算设备或另一计算设备渲染通知之前，提供要在计算设备或另一计算设备处渲染的分开的通知，其中，分开的通知包括指示应用能够代替用户手动访问目标应用的模块而生成通知的自然语言内容。在一些实施方式中，基于目标应用数据来确定目标应用的当前状态包括：访问表征用于目标应用的模块的当前状态的第一图形用户界面的第一模块数据和表征目标应用的模块的先前状态的第二图形用户界面的第二模块数据，以及确定第一图形用户界面相对于第二图形用户界面的变化，其中，变化由目标应用数据表征。
80.在其他实施方式中，一种由一个或多个处理器实现的方法被阐述为包括诸如由应用确定用户已经使得目标应用在计算设备处启动的操作，其中，该应用与目标应用不同。该
方法能够进一步包括识别在用户启动目标应用之后用户已经访问的模块的操作，其中，识别模块包括从应用向目标应用提供一个或多个输入。该方法能够进一步包括基于目标应用的模块来确定用户正在参与与该模块的特定交互的操作。该方法能够进一步包括基于交互来生成表征用户与目标应用的模块之间的交互的训练数据的操作。该方法能够进一步包括使用训练数据使得基于用户与目标应用的模块之间的交互来训练机器学习模型的操作。
81.在一些实施方式中，该方法能够进一步包括以下操作：在使得使用训练数据来训练机器学习模型之后：使得计算设备使用机器学习模型来处理上下文数据，以及使得自动化助理基于使用机器学习模型来处理上下文数据而向用户提供输出，其中，上下文数据识别目标应用，并且输出是包括来自目标应用的内容的通知。在一些实施方式中，确定用户正在参与与模块的特定交互包括：确定特定交互的特征与用户和模块之间的在先交互的另一特征相同。在一些实施方式中，特征是满足阈值交互时间量的第一交互时间，而另一特征是也满足阈值交互时间量的第二交互时间。
82.在另外的其他实施方式，一种由一个或多个处理器实现的方法被阐述为包括诸如在目标应用处接收来自应用或与应用相关联的实体的用于访问目标应用的模块的一个或多个输入的操作。该方法能够进一步包括基于一个或多个输入向应用提供表征模块的当前状态的状态数据的操作，其中，在没有可见地渲染与目标应用相对应的任何图形用户界面的情况下执行提供状态数据。该方法能够进一步包括使得应用确定模块的当前状态是否满足通知准则的操作，其中，应用基于其中一个或多个用户访问目标应用的先前交互来确定通知准则。该方法能够进一步包括以下操作：当由应用确定满足通知准则时：使得应用生成与目标应用相关联的内容数据，以及基于满足通知准则，使得经由应用或目标应用渲染通知，其中，通知识别内容数据的至少一部分。
83.在一些实施方式中，一个或多个输入模拟用户访问目标应用的模块。在一些实施方式中，一个或多个输入由应用使用利用基于一个或多个用户与目标应用之间的先前交互的训练数据训练的经训练的机器学习模型来选择。在一些实施方式中，先前交互包括一个或多个用户在阈值时间段内多次访问目标应用的在先实例。在一些实施方式中，训练数据是进一步基于一个或多个用户与由应用提供的先前通知之间的另一先前交互。在一些实施方式中，该方法能够进一步包括以下操作：当由应用确定满足通知准则时：使得应用确定一个或多个用户是否与通知交互，以及使得应用基于一个或多个用户是否与通知交互来生成另一训练数据的实例。在一些实施方式中，使用另一训练数据的实例来训练另一机器学习模型以生成另一通知准则。