JP2024524115A - 目標指向タスクの自動生成および推奨 - Google Patents

Abstract

メンバーの目標を達成するために実施され得るタスクを識別および推奨するためのシステムおよび方法が提供される。目標と、目標を達成してからの時間枠とを識別するために、システムは、メッセージが交換されるとき、リアルタイムでこれらのメッセージを処理する。目標および対応する時間枠に基づいて、システムは、目標を達成するための様々な方法に対応するタスクグルーピングを識別する。タスクグルーピングは、メンバーがタスクグルーピングを選択する尤度に従って順序付けられる。メンバーがタスクグルーピングを選択すると、システムは、目標が達成されているかどうかを決定するために、タスクグルーピングのタスクの実施をリアルタイムで監視することができる。いずれかのタスクが正常に実施されていない場合、システムは、目標を達成する機会をメンバーに提供するために、残りのタスクを自動的に調整し、新しいタスクを選択し、および／または目標を達成するための時間枠を調整することができる。

Description

関連出願の相互参照
[0001]本特許出願は、その開示全体が参照により本明細書に組み込まれる、２０２１年６月１７日に出願された米国仮特許出願第６３／２１１，９６５号の優先権の利益を主張する。

[0002]本開示は、識別されたメンバーの目標に基づくタスクの決定および委任に関する。一例では、本明細書で説明されるシステムおよび方法は、１つまたは複数のメンバーの目標を達成するために実施され得るタスクを識別および推奨するために使用され得る。さらに、本明細書で説明されるシステムおよび方法は、１つまたは複数のメンバーの目標に関連付けられたタスクの実施のための自動化された調整を提供するために使用され得る。

[0003]開示される実施形態は、メンバー固有の目標を達成するために実施され得るタスクを識別および推奨するためのフレームワークを提供し得る。いくつかの実施形態によれば、コンピュータ実装方法が提供される。コンピュータ実装方法は、メッセージのセットが交換されているとき、メンバーと代理との間でメッセージのセットをリアルタイムで受信することを備える。コンピュータ実装方法は、メンバーに固有の目標と目標を達成するための時間枠とを自動的に識別するために、メッセージのセットをリアルタイムで処理することをさらに備える。メッセージのセットは、メンバーに対応するメンバープロファイルにおいて指定されたメンバー属性と、同様の状況にあるメンバーについての以前に識別された目標に対応する履歴データとに従って処理される。コンピュータ実装方法は、目標を達成するためのタスクグルーピングを識別することをさらに備える。タスクグルーピングは、目標に関連付けられた特性のセットに基づいて決定される。さらに、タスクグルーピングは、目標を達成するための方法に対応する。コンピュータ実装方法は、タスクグルーピングに対応する提案オプションを生成することをさらに備える。コンピュータ実装方法は、提案オプションの選択に対応する入力を受信することをさらに備える。選択は、タスクグルーピングが目標を達成するために実施されるべきであることを示す。コンピュータ実装方法は、時間枠に従ってリアルタイムでタスクグルーピングの実施を監視することをさらに備える。コンピュータ実装方法は、メンバープロファイルを更新することをさらに備える。メンバープロファイルは、目標と、提案オプションと、選択と、タスクグルーピングの実施とを使用して更新される。

[0004]いくつかの実施形態では、コンピュータ実装方法は、タスクグルーピングの１つまたは複数のタスクが時間枠に従って完了していないと決定することをさらに備える。コンピュータ実装方法は、タスクグルーピングの完了のための新しい時間枠を生成することをさらに備える。コンピュータ実装方法は、新しい時間枠に従ってタスクグルーピングの実施を監視することをさらに備える。

[0005]いくつかの実施形態では、タスクグルーピングの実施を監視することは、メンバーに関連付けられた１つまたは複数のパーソナルデバイスからリアルタイムでデータを受信することを含む。タスクグルーピングの実施を監視することは、データがタスクグルーピングに関連付けられたタスクの完了に対応するかどうかを決定するために、メンバーに関連付けられた１つまたは複数のパーソナルデバイスからのデータを処理することをさらに含む。

[0006]いくつかの実施形態では、タスクグルーピングの実施を監視することは、メッセージの新しいセットが交換されているとき、メンバーと代理との間でメッセージの新しいセットをリアルタイムで受信することを含む。タスクグルーピングの実施を監視することは、タスクグルーピングの実施を決定するために自然言語処理（ＮＬＰ）アルゴリズムを使用することをさらに含む。ＮＬＰアルゴリズムは、メッセージの新しいセットを入力として使用する。

[0007]いくつかの実施形態では、コンピュータ実装方法は、タスクグルーピングに関連付けられた１つまたは複数のタスクが時間枠に従って完了していないと決定することをさらに備える。コンピュータ実装方法は、時間枠に従って目標を達成するための新しいタスクグルーピングを識別することをさらに備える。コンピュータ実装方法は、新しいタスクグルーピングを提供するために新しい提案オプションを生成することをさらに備える。

[0008]いくつかの実施形態では、コンピュータ実装方法は、メンバーの認知負荷スコアを計算することをさらに備える。認知負荷スコアは、実施されているメンバーに関連付けられたアクティブタスクに基づいて計算される。コンピュータ実装方法は、認知負荷スコアに基づいて、目標を達成するための時間枠が実現可能であるかどうかを決定することをさらに備える。

[0009]いくつかの実施形態では、同様の状況にあるメンバーは、メンバーと同様の状況にあるメンバーとの間の類似性の１つまたは複数のベクトルに従って、クラスタリングアルゴリズムを使用して識別される。

[0010]いくつかの実施形態では、タスクグルーピングは、タスクグルーピングの順序付けから選択される。タスクグルーピングは、目標を達成するために実施されるべき特定のタスクグルーピングをメンバーが選択する尤度に従って順序付けられる。

[0011]一実施形態では、システムは、１つまたは複数のプロセッサと、命令を含むメモリとを備え、命令は、１つまたは複数のプロセッサによって実行された結果として、本明細書で説明されるプロセスをシステムに実施させる。別の実施形態では、非一時的コンピュータ可読記憶媒体は、その上に実行可能な命令を記憶し、実行可能な命令は、コンピュータシステムの１つまたは複数のプロセッサによって実行された結果として、本明細書で説明されるプロセスをコンピュータシステムに実施させる。

[0012]本開示の様々な実施形態が以下で詳細に論じられる。特定の実装形態が論じられるが、これは、例示のみの目的で行われることを理解されたい。当業者であれば、他の構成要素および構成が、本開示の趣旨および範囲から離れることなしに使用され得ることを認識されよう。したがって、以下の説明および図面は、例示的であって、限定的なものとして解釈されるべきではない。本開示の完全な理解を提供するために、多数の具体的な詳細について説明される。しかしながら、いくつかの事例では、説明を不明瞭にすることを回避するために、よく知られているまたは従来の詳細が説明されていない。本開示における一実施形態または実施形態への言及は、同じ実施形態または任意の実施形態への言及であり得、そのような言及は、実施形態のうちの少なくとも１つを意味する。

[0013]「一実施形態」または「実施形態」への言及は、実施形態に関連して説明される特有の特徴、構造、または特性が、本開示の少なくとも１つの実施形態に含まれることを意味する。本明細書の様々な場所における「一実施形態」という句の出現は、必ずしもすべてが同じ実施形態を指しているとは限らず、他の実施形態を相互に含まない別個のまたは代替の実施形態を指しているとも限らない。その上、他の実施形態によってではなく、いくつかの実施形態によって示され得る、様々な特徴について説明される。

[0014]本明細書で使用される用語は、概して、本開示のコンテキスト内で、および各用語が使用される特定のコンテキストにおいて、当技術分野におけるそれらの通常の意味を有する。代替的な文言および類義語は、本明細書で説明される用語のうちのいずれか１つまたは複数のために使用され得、用語が本明細書で詳述または説明されるか否かに特別な重要性が置かれるべきでない。いくつかの場合には、いくつかの用語のための類義語が提供される。１つまたは複数の類義語の詳述が他の類義語の使用を除外しない。本明細書で説明されるあらゆる用語の例を含む本明細書の任意の場所での例の使用は、例示的なものにすぎず、本開示またはあらゆる例示的な用語の範囲および意味をさらに限定することは意図されていない。同様に、本開示は、本明細書で与えられる様々な実施形態に限定されない。

[0015]本開示の範囲を限定する意図なしに、本開示の実施形態による機器、装置、方法およびそれらの関係する結果の例が以下で与えられる。タイトルまたはサブタイトルが読者の便宜のために例において使用され得、いかなる場合も、これは、本開示の範囲を限定するべきでないことに留意されたい。別段に定義されていない限り、本明細書で使用される技術的なおよび科学的な用語は、本開示が関係する当業者によって一般に理解されるものとしての意味を有する。矛盾する場合、定義を含めて、本文書が優先することにする。

[0016]本開示の追加の特徴および利点は、以下の説明に記載され、部分的には説明から明らかになるか、または本明細書に開示される原理の実践によって知られ得る。本開示の特徴および利点は、特に添付の特許請求の範囲において指摘される機器および組合せによって実現および取得され得る。本開示のこれらおよび他の特徴は、以下の説明および添付の特許請求の範囲からより完全に明らかになるか、または本明細書に記載される原理の実践によって知られ得る。

[0017]少なくとも１つの実施形態による、メンバーによって定義された目標に関係するプロジェクトおよびタスクが、タスク促進サービスによって生成および提供される環境の例示的な例を示す図。 [0018]少なくとも１つの実施形態による、タスク推奨システムが、メンバーの目標を達成するためにメンバーに提示され得る、異なるタスクおよび／またはプロジェクトに対する推奨を生成およびランク付けする、環境の例示的な例を示す図。 [0019]少なくとも１つの実施形態による、特定のメンバーの目標に関連付けられた新しいプロジェクトおよびタスクが、タスクのランキングに基づいてタスク促進サービスに関連付けられた代理によってメンバーに提供される環境の例示的な例を示す図。 [0020]少なくとも１つの実施形態による、タスク促進サービスのインターフェースを介してメンバーに提示されるメンバーの目標を達成するために実施可能な対応するタスクのセットを含むプロジェクトの例示的な例を示す図。 [0021]少なくとも１つの実施形態による、タスク促進サービスのインターフェースを介してメンバーに提示されるメンバーの目標を達成するために実施可能な対応するタスクのセットを含むプロジェクトの例示的な例を示す図。 [0022]少なくとも１つの実施形態による、タスク促進サービスのインターフェースを介してメンバーに提示されるメンバーの目標を達成するために実施可能な対応するタスクのセットを含むプロジェクトの例示的な例を示す図。 [0023]少なくとも１つの実施形態による、タスク調整システムが、代理および／またはメンバーによる特定の目標に関連付けられたタスクの実施を割り当て監視する環境の例示的な例を示す図。 [0024]少なくとも１つの実施形態による、メンバーと代理との間の通信に基づいて、メンバーの目標を達成するための、１つまたは複数の提案および対応するタスクを生成するためのプロセスの例示的な例を示す図。 [0025]少なくとも１つの実施形態による、メンバーの目標を達成するための可能なタスクを生成するように、機械学習アルゴリズムをトレーニングおよび使用するためのプロセスの例示的な例を示す図。 [0026]少なくとも１つの実施形態による、メンバーの目標に関連付けられたタスクのメンバー実施を監視し、メンバーの目標を達成するための元の時間枠からの偏差が検出されると、時間枠および／またはメンバーの目標に関連付けられたタスクを自動的に調整するためのプロセスの例示的な例を示す図。 [0027]少なくとも１つの実施形態による、メンバーとの通信が処理される環境の例示的な例を示す図。 [0028]様々な実施形態による、接続を使用して互いに電気通信している様々な構成要素を含むコンピューティングシステムアーキテクチャを示す図。

[0029]添付の図では、同様の構成要素および／または特徴は同じ参照ラベルを有することができる。さらに、同じタイプの様々な構成要素は、参照ラベルの後に、ダッシュと、それらの同様の構成要素同士を区別する第２のラベルとを続けることによって区別され得る。第１の参照ラベルのみが本明細書において使用される場合、説明は、第２の参照ラベルにかかわらず、同じ第１の参照ラベルを有する同様の構成要素のうちのいずれにも適用可能である。

[0030]以下の説明では、説明の目的で、いくつかの発明実施形態の完全な理解を与えるために具体的な詳細が記載される。ただし、様々な実施形態は、これらの具体的な詳細なしに実施され得ることが明らかであろう。図および説明は限定するものではない。「例示的」という単語は、本明細書では、「例、事例、または例示の働きをすること」を意味するために使用する。「例示的」として本明細書に記載されるいかなる実施形態または設計も、必ずしも他の実施形態または設計よりも好ましいか、または有利であると解釈されるべきではない。

[0031]開示される実施形態は、メンバー固有の目標を達成するために実施され得るタスクを識別および推奨するためのフレームワークを提供し得る。このフレームワークを通して、タスク促進サービスは、目標とこの目標を達成するための時間枠とを識別するためにメッセージが交換されるとき、これらのメッセージをリアルタイムで処理することができる。識別された目標と対応する時間枠とに基づいて、タスク促進サービスは、識別された目標を達成するための異なる方法に対応するタスクグルーピングを識別することができる。タスクグルーピングは、メンバーがタスクグルーピングを選択する尤度に従って順序付けられる。メンバーがタスクグルーピングを選択すると、タスク促進サービスは、目標が達成されているかどうかを決定するために、タスクグルーピングのタスクの実施をリアルタイムで監視することができる。いずれかのタスクが正常に実施されていない場合、タスク促進サービスは、目標を達成する機会をメンバーに提供するために、残りのタスクを自動的に調整し、新しいタスクを選択し、および／または目標を達成するための時間枠を調整することができる。

[0032]図１は、少なくとも１つの実施形態による、メンバー１１０によって定義された目標に関連付けられたプロジェクトおよびタスクがタスク促進サービス１０２によって生成および提供される環境１００の例示的な例を示す。環境１００において、タスク促進サービス１０２のメンバー１１０は、割り当てられた代理１０４との通信セッション１１８に関与し得る。メンバー１１０は、通信セッション１１８を通して、メンバー１１０が特定の目標を達成することに関心があることを示すために、１つまたは複数のメッセージ１１４を代理１０４に送信することがある。たとえば、図１に示されているように、メンバー１１０は、来年、マラソンを走ることに関心があることを示すことがある。代理１０４は、これらの１つまたは複数のメッセージ１１４に応答して、１つまたは複数のメッセージ１１６を介して、本明細書で説明されるように、代理１０４に利用可能な様々な方法、および／またはタスク促進サービス１０２によって実装される様々な方法を通して、メンバー１１０が掲げた目標を達成するのを支援することが可能であり得ることを示し得る。

[0033]タスク促進サービス１０２は、これらのタスクの実施を調整することがある代理にタスクを識別して委任することによって、メンバーおよびその家族の代わりに様々なタスクを実施する際のこれらのメンバーおよびその家族に対する認知負荷を低減するように実装され得る。メンバー１１０などのメンバーは、オンボーディングプロセス中に代理１０４とペアリングされることがあり、それを通して、タスク促進サービス１０２は、メンバー１１０の識別情報を収集し得る。たとえば、タスク促進サービス１０２は、メンバー１１０に、メンバー１１０がメンバー１１０の代理１０４を選択するために使用可能な識別情報を提供し得る調査またはアンケートを提供し得る。タスク促進サービス１０２は、メンバー１１０に、メンバーの家族の構成（たとえば、メンバーの家の中の居住者の数、メンバーの家の中の子供の数、メンバーの家の中のペットの数およびタイプなど）、メンバーの家の物理的位置、メンバー１１０の任意の特別な必要性または要件（たとえば、身体的または情緒的障害など）などに関する詳細な情報を提供するように促進し得る。いくつかの事例では、メンバー１１０は、人口統計情報（たとえば、年齢、民族性、人種、書かれた／話された言語など）を提供するように促進され得る。メンバー１１０はまた、（本明細書でより詳細に説明される）これらの目標を達成するために実施され得る可能なプロジェクトおよびタスクを識別するために使用され得る任意の個人的目標を示すように促進され得る。

[0034]一実施形態では、メンバー１１０に関連付けられたデータは、メンバー１１０に対応するメンバープロファイルを作成するためにタスク促進サービス１０２によって使用される。上述のように、タスク促進サービス１０２は、メンバー１１０がメンバー１１０に関連付けられた識別情報を提供し得る調査またはアンケートをメンバー１１０に提供し得る。この調査またはアンケートに対してメンバー１１０によって提供された応答は、メンバー１１０に対応する初期メンバープロフィールを生成するためにタスク促進サービス１０２によって使用され得る。一実施形態では、代理がメンバー１１０に割り当てられると、タスク促進サービス１０２は、メンバー１１０に対応する新しいメンバープロファイルを生成するようにメンバー１１０に促進することができる。たとえば、タスク促進サービス１０２は、前述のオンボードプロセス中に以前に提供された情報を補足するために使用され得る質問のセットを含む調査またはアンケートをメンバー１１０に提供し得る。たとえば、調査またはアンケートを通して、タスク促進サービス１０２は、メンバー１１０に、家族、重要な日付（たとえば、誕生日など）、食事制限などに関する追加の情報を提供するように促進し得る。メンバー１１０によって提供された応答に基づいて、タスク促進サービス１０２は、メンバー１１０に対応するメンバープロファイルを更新し得る。

[0035]いくつかの事例では、メンバープロファイルは、タスク促進サービス１０２によって提供されるアプリケーションまたはウェブポータルなどを通して、メンバー１１０にアクセス可能であり得る。アプリケーションまたはウェブポータルを通して、メンバー１１０は、メンバープロフィール内の任意の情報を追加、除去、または編集し得る。メンバープロファイルは、いくつかの例では、メンバー、メンバーの家族、メンバーの家などに対応する様々なセクションに分割され得る。これらのセクションの各々は、オンボーディングプロセス中に収集されたメンバー１１０に関連付けられたデータと、メンバー１１０への代理の割り当て後にメンバー１１０に提供された調査またはアンケートに対する任意の応答とに基づいて補足され得る。さらに、各セクションは、メンバープロファイルを拡張するために使用され得る追加の情報を提供するためにメンバー１１０が使用し得る追加の質問またはプロンプトを含み得る。たとえば、メンバープロファイルを通して、メンバー１１０は、タスクの完了を促進するために、任意の外部アカウント（たとえば、クレジットカードアカウント、小売業者アカウントなど）にアクセスするために使用され得る任意の証明書を提供するように促進され得る。

[0036]収集された識別情報は、代理１０４を識別してメンバー１１０に割り当てるために、タスク促進サービス１０２によって使用され得る。たとえば、タスク促進サービス１０２は、メンバー１１０の識別情報と、メンバーの快適さのレベルまたはタスクを他者に委任することへの関心に関する任意の情報と、オンボーディングプロセス中に取得された任意の他の情報とを、生産的な方法でメンバー１１０と対話および通信するのに好適であり得る代理を識別するように構成された分類またはクラスタリングアルゴリズムへの入力として使用することがある。分類またはクラスタリングアルゴリズムを使用して、タスク促進サービス１０２は、メンバー１１０の利益のために対処される必要があり得る任意のタスクに対処しながら、メンバー１１０との肯定的な長期関係を進展させる可能性がより高い可能性がある代理１０４を識別し得る。いくつかの事例では、タスク促進サービス１０２は、タスク促進サービス１０２に関連付けられた代理のセットの利用可能性に対応する情報に基づいて、代理１０４を選択し得る。たとえば、タスク促進サービス１０２は、代理のセットから第１の利用可能な代理を自動的に選択し得る。いくつかの事例では、タスク促進サービス１０２は、メンバーの識別情報に対応する１つまたは複数の基準を満たす第１の利用可能な代理を自動的に選択し得る。たとえば、タスク促進サービス１０２は、メンバー１１０に地理的に近接している、メンバー１１０の背景と同様の背景を共有するなどの利用可能な代理を自動的に選択し得る。

[0037]代理１０４は、メンバーの人口統計学的情報と代理の人口統計学的情報との間の類似性の程度またはベクトルに従ってメンバー１１０に割り当てられる個人であり得る。たとえば、メンバー１１０および代理１０４が同様の背景を共有している（たとえば、同じ都市の大学に通った、同じ故郷である、特定の関心を共有しているなど）場合、タスク促進サービス１０２は、代理１０４をメンバー１１０に割り当てる可能性がより高いことがある。同様に、メンバー１１０および代理１０４が互いに地理的に近接している場合、タスク促進サービス１０２は、代理１０４をメンバー１１０に割り当てる可能性がより高いことがある。

[0038]一実施形態では、代理１０４は、メンバー１１０と自動的に関与し、対話するように構成され得るボットなどの自動化されたプロセスとすることができる。たとえば、タスク促進サービス１０２は、メンバープロファイルとメンバー１１０の代理１０４として機能し得るボットとを生成するために、オンボードプロセス中にメンバー１１０によって提供された応答を、機械学習アルゴリズムまたは人工知能への入力として利用し得る。ボットは、本明細書で説明されるように、タスクと提案とを生成するためにメンバー１１０と自律的にチャットすること、任意の承認された提案に従ってメンバー１１０に代わってタスクを実施することなどを行うように構成され得る。ボットは、メンバープロファイルにおいて定義されたメンバー１１０のパラメータまたは特性に従って構成され得る。ボットが経時的にメンバー１１０と通信するとき、ボットは、メンバー１１０とのボットの対話を改善するように更新され得る。

[0039]代理１０４がタスク促進サービス１０２によってメンバー１１０に割り当てられるとき、タスク促進サービス１０２は、メンバー１１０および代理１０４にペアリングを通知し得る。さらに、タスク促進サービス１０２は、メンバー１１０と代理１０４との間の通信を促進するために、メンバー１１０と割り当てられた代理１０４との間のチャットセッションまたは他の通信セッションを確立し得る。たとえば、ウェブポータル、またはタスク促進サービス１０２によって提供されコンピューティングデバイス１１２にインストールされたアプリケーションを介して、メンバー１１０は、チャットセッションまたは他の通信セッションを介して、割り当てられた代理１０４とメッセージを交換し得る。同様に、代理１０４は、代理がメンバー１１０とメッセージを交換し得るインターフェースを備えることがある。

[0040]一実施形態では、代理１０４は、メンバー特性、タスク履歴、および他のファクタに基づいて、１つまたは複数のタスクを提案することができる。たとえば、メンバー１１０が、通信セッション１１８を介して、ならびに／または異なるタスクおよびプロジェクトのために確立された任意の他の通信セッションを通して、代理１０４と通信するとき、代理１０４は、メンバーの認知負荷を低減させるために実施され得る任意のタスクを識別するために、メンバー１１０からの任意のメッセージ１１４を評価し得る。例示的な例として、メンバー１１０が、通信セッション１１８を介して、彼らの配偶者の誕生日が迫っていることを示す場合、代理１０４は、彼らの配偶者の誕生日を見越してメンバー１１０に推奨され得る１つまたは複数のタスクを開発するために、メンバー１１０の彼らの知識を利用し得る。代理１０４は、ケーキの購入、花の注文、メンバー１１０のための固有の旅行体験の設定などのタスクを推奨し得る。いくつかの実施形態では、代理１０４は、メンバー入力なしにタスク提案を生成することができる。たとえば、オンボードプロセスの一部として、メンバー１１０は、タスク促進サービス１０２に、メンバーのカレンダー、メンバーのパーソナルフィットネスデバイス（たとえば、フィットネストラッカー、通信能力を有する運動器具など）、メンバーの車両データなどの１つまたは複数のメンバーリソースへのアクセスを与えることがある。これらのメンバーリソースから収集されたデータは、代理１０４によって監視されてもよく、代理１０４は、メンバー１１０のためのタスク提案を生成するために、データを構文解析し得る。

[0041]一実施形態では、代理１０４は、通信セッション１１８を介したメンバー１１０からの１つまたは複数のメッセージ１１４に基づいて、メンバー１１０が達成したい目標を定義したかどうかと、そのために、この目標を達成するために実施され得る可能なプロジェクトおよび対応するタスクを識別するように、タスク促進サービス１０２が利用され得るかどうかとを決定することができる。たとえば、図１に示されているように、メンバー１１０は、通信セッション１１８を介して代理１０４に送信されるメッセージ１１４において、メンバー１１０が来年、マラソンを走るという目標を達成したいことを示すことがある。このメッセージ１１４を受信する代理１０４は、メンバーの掲げた目標を識別することがある。代理１０４は、タスク促進サービス１０２によって提供されるインターフェースを介して、プロジェクト生成テンプレートにアクセスし得、それを通して、代理１０４は、メンバーが達成したい目標に関係する情報を提供し得る。情報は、メンバー１１０に関係する情報（たとえば、メンバー名、メンバー住所など）、ならびに目標自体の様々なパラメータ（たとえば、メンバー１１０が達成したい目標の説明、目標を達成するための時間枠、目標のために考慮される任意のメンバー１１０の制約など）を含み得る。タスクのパラメータは、任意のメンバーの好み（たとえば、好ましいトレーニング時間、好ましい指導方法など）をさらに含み得る。

[0042]一実施形態では、タスク促進サービス１０２は、異なるプロジェクト生成テンプレートのためのリポジトリとして機能し得るリソースライブラリを維持し得る。これらのプロジェクト生成テンプレートは、異なる目標タイプまたはカテゴリに対応し得る。たとえば、タスク促進サービス１０２は、リソースライブラリ内に、減量または他の食事関連の目標に関係するプロジェクトのためのプロジェクト生成テンプレートを維持し得る。別の例示的な例として、タスク促進サービス１０２は、個人的フィットネス目標に関係し得るプロジェクトのためのプロジェクト生成テンプレートを維持し得る。さらに別の例示的な例として、タスク促進サービス１０２は、新しいスキル（たとえば、調理スキル、言語スキル、スポーツ関連スキル、登山スキル、サバイバルスキルなど）を学習することに関係し得るプロジェクトのためのプロジェクト生成テンプレートを維持し得る。異なるプロジェクト生成テンプレートは、メンバー１１０が特定の目標を達成するのを助けるための特定のプロジェクトを定義するために使用され得る異なるデータフィールドを含み得る。たとえば、食事関連の目標に対応するプロジェクト生成テンプレートは、データフィールドを含むことがあり、それを通して、代理１０４は、メンバーの現在の生理学的データ（たとえば、体重、ボディマス指数、血圧、コレステロール値など）、任意の食事制限（たとえば、食物アレルギー、食物嫌悪など）などを定義し得る。別の例として、走行関連の目標に対応するプロジェクト生成テンプレートは、代理１０４がメンバーの現在の走行能力（たとえば、最長走行距離、走行時間、走行頻度など）を定義し得るデータフィールドを含み得る。

[0043]一実施形態では、タスク促進サービス１０２は、メンバー１１０に関連付けられたメンバープロファイルに提供された情報に基づいて、選択されたプロジェクト生成テンプレートから１つまたは複数のデータフィールドを自動的に埋めることができる。たとえば、選択されたプロジェクト生成テンプレートが食事関連の目標に対応する場合、タスク促進サービス１０２は、メンバーの食事制限を示すメンバープロファイル内の情報に基づいて、メンバーの食事制限に対応するテンプレート内の任意のデータフィールドを自動的に埋めることがある。別の例示的な例として、選択されたプロジェクト生成テンプレートが言語スキル関連の目標に対応する場合、タスク促進サービス１０２は、メンバーの言語熟達度（たとえば、既知の特定の言語、これらの言語におけるスピーチ流暢性、これらの言語におけるライティング流暢性、これらの言語における会話の快適さのレベルなど）のいずれかを決定するために、メンバー１１０に関連付けられたメンバープロファイルを自動的に処理し得る。メンバー１１０によって代理１０４に示される言語に基づいて、タスク促進サービス１０２は、選択された言語に対するメンバーの現在の習熟度（示される場合）を決定し、この目標のためのプロジェクト生成テンプレート内の任意の関連付けられたデータフィールドを自動的に埋めるために、メンバー１１０に関連付けられたメンバープロファイルを自動的に処理し得る。

[0044]一実施形態において、代理１０４は、メンバー１１０がその掲げた目標に到達することを可能にするために特定の時間枠内で実施され得る１つまたは複数のタスクを含むプロジェクトを動的におよびリアルタイムで生成するために、メンバー１１０と代理１０４との間で交換された１つまたは複数のメッセージにおいて指定された目標についてメンバー１１０から得られた情報をタスク促進サービス１０２のタスク推奨システム１０６に提供することができる。タスク推奨システム１０６は、コンピュータシステムを使用して、またはタスク促進サービス１０２のコンピュータシステム上に実装されたアプリケーションもしくは他の実行可能コードとして実装され得る。タスク推奨システム１０６は、一実施形態では、インターフェースを代理１０４に提供し、このインターフェースを通して、代理１０４は、代理１０４および／またはタスク促進サービス１０２に関連付けられた１つまたは複数のサードパーティもしくは他のエンティティの支援により達成され得るメンバー１１０の目標を定義し得る。たとえば、代理は、目標の名前、メンバー１１０によって提供される目標の任意の既知のパラメータ（たとえば、予算、（時間的、物理的などの）制約、時間枠など）などを提供し得る。例示的な例として、メンバー１１０がメッセージ「あなたは知っています。私は本当に来年、マラソンを走りたいです。」を送信する場合、代理１０４は、メッセージ１１４を評価し、「マラソンを走ります。」と題するメンバー１１０の目標を生成し得る。この目標のために、代理１０４は、メンバー１１０によって示されるように、タスクの完了のための時間枠が来年末であることを示し得る。さらに、代理１０４は、メンバー１１０について代理１０４に知られている追加情報を追加することがある。たとえば、代理１０４は、走行およびトレーニングのための１日または１週間の間の任意の利用可能な時間、メンバー１１０の既知の体力、メンバー１１０のための既知の運動ルーチンまたはスケジュールなどを示し得る。上述のように、タスク促進サービス１０２は、メンバー１１０に関連付けられたメンバープロファイルからこの追加情報を自動的に取得し得る。たとえば、メンバープロファイルが、メンバー１１０が特定の目標を達成することを助長し得る活動に関与し得る日または週の間の利用可能な時間を示す場合、タスク促進サービス１０２は、目標を定義する際に使用するためにメンバープロファイルからのこの情報を自動的に提供し得る。

[0045]一実施形態では、タスク推奨システム１０６は、メンバー１１０の任意の可能な目標を識別するために、通信セッション１１８を介してメンバー１１０と代理１０４との間で交換されたメッセージ１１４、１１６を自動的におよびリアルタイムで処理することができる。たとえば、タスク推奨システム１０６は、代理１０４およびタスク促進サービス１０２がこれらの目標を達成するためにメンバー１１０に支援を提供し得る任意のメンバーの目標を自動的に識別するために、メンバー１１０と代理１０４との間の任意のメッセージを、これらのメッセージが交換されているとき、機械学習アルゴリズムまたは人工知能を使用して処理し得る。たとえば、タスク推奨システム１０６は、メンバー１１０から交換されたメッセージまたは他の通信を評価して、メンバー１１０が代理１０４およびタスク促進サービス１０２の支援を受けて達成したい任意の目標を識別するために、自然言語処理（ＮＬＰ）または他の人工知能を利用し得る。いくつかの例では、タスク推奨システム１０６は、可能な目標を識別するようにＮＬＰまたは他の人工知能をトレーニングするために、同様の状況にあるメンバーについて以前に識別された目標に対応する履歴データおよびこれらのメンバーからの対応するメッセージを利用し得る。タスク推奨システム１０６が、メンバー１１０が代理１０４およびタスク促進サービス１０２の支援を受けて達成したい場合がある１つまたは複数の目標を識別する場合、タスク推奨システム１０６は、これらの目標を代理１０４に提示することがあり、代理１０４は、これらの目標を識別したことと、それに応じて、メンバー１１０がこれらの目標を達成するのを支援するために実施され得るタスクを生成することとを示すために、通信セッション１１８を介してメンバー１１０と通信し得る。たとえば、図１のメッセージ１１６を介して示されているように、代理１０４は、来年、マラソンを走るという掲げた目標でメンバー１１０を助けることができることを示すことがある。

[0046]一実施形態では、新しい目標が識別されると、タスク推奨システム１０６は、識別された目標のためのプロジェクト固有のインターフェース１２０を自動的に生成することができる。このプロジェクト固有のインターフェース１２０を通して、以下により詳細に説明されるように、代理１０４および／またはタスク推奨システム１０６は、達成されるべき特定の目標の説明をメンバー１１０に提供し得る。本明細書は、目標の完了のための任意の適用可能な時間枠、特定の目標に対応する情報（たとえば、達成されるべき特定のメトリクス、メンバー１１０と代理１０４または他のエンティティとの間の責任の分配に対応する詳細など）、目標に関連付けられた任意の関連費用などを指定し得る。さらに、プロジェクト固有のインターフェース１２０は、示された目標を達成するために完了されるべき任意のタスク１２４を含み得る。いくつかの事例では、タスク推奨システム１０６は、プロジェクト固有のインターフェース１２０を通して、目標固有の通信セッションを促進し得る。この目標固有の通信セッションは、通信セッション１１８とは別個であることがあり、それによって、目標固有の通信セッション内で交換される通信は、達成されるべき目標に固有であり得る。さらに、特定の目標に関連付けられた任意のタスク１２４について、タスク推奨システム１０６は、メンバー１１０および代理１０４が目標に関連付けられた対応するタスクに従って通信し得るタスク固有の通信セッションを促進し得る。

[0047]一実施形態では、（上記で説明されたように、代理１０４による手動入力を通して、またはタスク推奨システム１０６による機械学習もしくは人工知能の使用を通してのいずれかで）メンバー１１０のために目標が識別および生成されると、代理１０４は、新しい目標を達成するために実施され得る１つまたは複数のタスクを生成することができる。タスク推奨システム１０６は、代理１０４に提供される前述のインターフェースを通して、代理１０４が、新しく作成された目標のための１つまたは複数のタスクを生成することを可能にしてもよく、それは、プロジェクト固有のインターフェース１２０を介して（たとえば、メンバー１１０によって利用されるウェブポータルまたはアプリケーションなどを介して）メンバーに提示されてもよく、新しい目標を達成するために、代理１０４、タスク促進サービス１０２に関連付けられたサードパーティサービスまたは他のエンティティ、および／またはメンバー１１０によって完了され得る。たとえば、代理１０４は、タスクの名前、タスクの任意の既知のパラメータ（たとえば、時間枠、実施されるタスク動作など）などを提供することがある。例示的な例として、来年、マラソンを走るというメンバーの目標に対して、代理１０４は、「インターバルトレーニングの後に１マイル走る」と題するタスクを生成し得る。このタスクについて、代理１０４は、タスクの完了のための時間枠が１時間であることを示すことがあり、これは、メンバー１１０がタスクを完了するために必要とされ得る時間量である。さらに、代理は、目標を達成するための全体的な時間枠に従って、タスクの完了日を示し得る。たとえば、目標を達成するための時間枠が１２ヶ月である場合、代理１０４は、掲げた１２ヶ月の時間枠内で目標を達成するためにメンバー１１０が軌道に乗るように、タスクの完了のための具体的な日付を示し得る。

[0048]一実施形態では、タスク推奨システム１０６は、メンバー１１０、代理１０４、および／または任意のサードパーティエンティティもしくは新しい目標のためのタスク促進サービス１０２に関連付けられた他のエンティティによって完了され得るタスク１２４のセットを自動的に生成することができる。たとえば、タスク推奨システム１０６は、メンバーの新しい目標を達成するために実施され得る任意のタスク１２４を識別するために、新しい目標と、（メンバープロファイルなどからの）メンバー１１０に対応する情報と、目標に対応する履歴データおよび同様の状況にあるメンバーによって実施された対応するタスクとを、機械学習アルゴリズムまたは人工知能への入力として使用し得る。たとえば、新しい目標が特定の時間枠内でマラソンを走ることに関連付けられる場合、タスク推奨システム１０６は、同様の状況にあるメンバー（たとえば、同様の時間枠内でマラソンについて以前にトレーニングした他のメンバー、メンバー１１０のものと同様のフィットネスレベルを有する他のメンバー、トレーニングについて同様の毎日の時間制約を有する他のメンバーなど）を識別するために、機械学習アルゴリズムまたは人工知能を利用し得る。新しい目標の特性（たとえば、目標のカテゴリ、目標を達成するための時間枠など）と、メンバー１１０の特性と、これらの同様の状況にあるメンバーに対応するデータとに基づいて、タスク推奨システム１０６は、新しい目標を達成するために掲げた時間枠内で実施され得るタスク１２４のセットを自動的に生成し得る。例示的な例として、次の１２ヶ月以内にマラソンを走るという前述の目標のために、タスク推奨システム１０６は、次の１２ヶ月にわたってマラソンのためにトレーニングするためにメンバー１１０によって実施され得るタスク１２４のセットを自動的に生成し得る。タスクのセットの各タスクは、目標を達成することを見越して、メンバーの実施を徐々に改善するように機能し得る。

[0049]識別された目標を達成するためのタスク１２４のセットを自動的および動的に生成するためにタスク推奨システム１０６によって利用される機械学習アルゴリズムまたは人工知能は、教師ありトレーニング技法を使用してトレーニングされ得る。たとえば、メンバープロファイルのデータセット、対応する目標、これらの目標のために生成されたタスク、およびこれらの目標を達成するためのこれらのタスクの実施に対応する実施メトリクス（たとえば、対応するタスクの実施の結果として目標を達成する際の成功の尤度、各目標のために提示および実施されたタスクに関係するフィードバック、目標のための提供されたタスクまたは時間枠からの任意の偏差など）が、機械学習アルゴリズムまたは人工知能のトレーニングのために選択され得る。機械学習アルゴリズムまたは人工知能は、機械学習アルゴリズムまたは人工知能に供給されたサンプル入力に基づいて、機械学習アルゴリズムまたは人工知能が所定の時間枠内で対応する目標を達成することを助長するタスクのセットを生成しているかどうかを決定するために評価され得る。この評価に基づいて、機械学習アルゴリズムまたは人工知能が所望の結果を生成する尤度を増加させるために、機械学習アルゴリズムまたは人工知能が修正され得る。機械学習アルゴリズムまたは人工知能はさらに、所与の目標のために機械学習アルゴリズムまたは人工知能によって提供されるタスクに関して、メンバーおよび代理にフィードバックを要請することによって、動的にトレーニングされ得る。たとえば、タスク推奨システム１０６は、特定の目標に対応するタスク推奨システム１０６によって生成されたタスクのセットの実施後に、メンバーから新しいフィードバックを取得し得る。機械学習アルゴリズムまたは人工知能は、メンバー１１０が彼らの目標を達成することをタスクのセットが助長したかどうかを決定するために、このフィードバックを使用し得る。この決定は、同様の目標を達成するために実施され得るより良好なタスクを提供するように機械学習アルゴリズムまたは人工知能をさらにトレーニングするために使用され得る。

[0050]一実施形態では、タスク推奨システム１０６は、新しい目標を達成するために実施され得る可能なタスクを識別するために、１つまたは複数のサードパーティリソース１２６に自動的に問い合わせることができる。たとえば、タスク促進サービス１０２は、異なる目標カテゴリ（たとえば、エクササイズ運動、取引の学習など）に関連付けられ得る異なる趣味または関心に関係する情報を提供するかまたは場合によっては集約する様々な組織と提携し得る。例示的な例として、タスク促進サービス１０２は、エクササイズ関連の目標を達成するための最終タスクとして機能し得る、トレーニングの進歩および任意の今後のイベントに関係する任意の最近のニュースまたは情報を取得するために、エクササイズマガジンの発行者と提携し得る。たとえば、この発行者から、タスク推奨システム１０６は、１２ヶ月以内にマラソンを走るためのトレーニングプランと、メンバー１１０が走りたい場合がある１２ヶ月終了時にメンバー１１０の地理的ロケーション内でマラソンを走るためのトレーニングプランとを自動的に識別し、メンバー１１０がその目標を達成したかどうかに関する指示として機能し得る。別の例示的な例として、タスク促進サービス１０２は、新しい取引またはスキルを学習することに関係する目標を達成するためのタスクを定義するために使用され得る任意のクラスまたは学習プランを識別するために、異なるオンライントレード学校または教育機関と提携し得る。たとえば、新しい目標が、イベントのためにプエルトリコ料理を準備するために、特定の時間枠内でそのような料理をどのように調理するかを学びたいというメンバーの要望に対応する場合、タスク推奨システム１０６は、個々のタスクの形態でメンバー１１０に提供され得る、任意のクラスまたはレッスンプランを識別するために、これらのサードパーティリソース１２６に問い合わせ得る。たとえば、メンバー１１０の近くの料理学校がプエルトリコ料理に関するクラスを提供している場合、タスク推奨システム１０６は、メンバーの目標を達成するためにこれらのクラスに登録するオプションをメンバー１１０に提示するために、各クラスについてのタスクを生成し、代理１０４と調整し得る。

[0051]一実施形態では、サードパーティリソース１２６はまた、代理１０４に利用可能であり、それによって、代理１０４は、特定の目標に関する情報を取得し、特定の目標を達成するためのタスク１２４のセットを手動で生成するために、これらのサードパーティリソース１２６を利用することができる。たとえば、図１に示されているように、メンバー１１０が来年、マラソンを走りたいことを示した場合、代理１０４は、トレーニングの進歩およびメンバーの目標を達成するための最終タスクとして機能し得る任意の今後のイベントに関係する任意の最近のニュースまたは情報を取得するために、エクササイズマガジンの発行者にアクセスすることができる。代理１０４は、エクササイズマガジンの発行者からのこの情報に基づいて、発行者によって提供される任意のトレーニングプランまたは他の情報に対応するタスク１２４のセットを手動で生成し得る。さらに、代理１０４は、トレーニングのためにメンバー１１０によって規定された翌年および時間枠の後に予定されている任意のマラソンについて、このエクササイズマガジンと、メンバーの地理的領域内の地元のランニングクラブからの情報とを評価することができる。

[0052]一実施形態において、サードパーティリソース１２６は、タスク促進サービス１０２によって維持されるリソースライブラリを通して利用可能にされ得る。特定の目標のために使用され得る異なるプロジェクト生成テンプレートのためのリポジトリとして機能することに加えて、リソースライブラリはまた、タスク促進サービス１０２のメンバーの利益のために実施され得る新しいプロジェクトおよび／またはタスクを生成するために使用され得る様々なリソースのためのリポジトリとして機能し得る。たとえば、リソースライブラリは、可能なプロジェクトおよび／またはタスクを定義するために使用され得る１つまたは複数のサードパーティリソース１２６に関係する情報を記憶し得る。さらに、リソースライブラリは、異なる目標または目標タイプ／カテゴリについて以前に実施されたことがある異なるタスクに対応する情報を記憶し得る。

[0053]いくつかの事例では、代理およびサードパーティエンティティは、新しい目標を達成するために実施され得るタスクのそれらの知識に基づいて、リソースライブラリを更新し得る。たとえば、代理１０４が、プエルトリコ料理をどのように調理するかを学習するという目標を達成するために、メンバー１１０が１つまたは複数のコースに出席し得る特定の料理学校を識別する場合、代理１０４は、リソースライブラリ内に、料理学校に対応するエントリを作成し得る。さらに、代理１０４は、このエントリを料理のトレーニングに対応する特定の目標タイプまたはカテゴリに関連付けることがある。したがって、料理のトレーニングに関連付けられた目標のための可能なタスクを識別するために使用され得る任意のサードパーティリソース１２６を識別するために、別の代理がリソースライブラリに問合せをサブミットする場合、リソースライブラリは、料理学校に対応するエントリを返すことがある。さらに、代理１０４が、料理学校から集められた情報に基づいて任意のタスクを定義する場合、これらのタスクは、料理学校に対応するエントリに関連付けられ得る。これは、他の代理が、彼らの問合せに応答して提供された料理学校についてのエントリのレビュー時に、これらの以前に実施されたタスクを識別することも可能にし得る。

[0054]一実施形態において、タスク推奨システム１０６が、メンバー１１０によって表わされた目標、または場合によってはメンバー１１０の代わりに代理１０４によってサブミットされた目標を識別する場合、タスク推奨システム１０６は、代理１０４に推奨され得る目標に関連付けられた１つまたは複数のタスクを自動的に識別するために、タスク促進サービス１０２によって維持されるリソースライブラリを利用することができる。たとえば、タスク推奨システム１０６が、来年、マラソンを走りたいというメンバーの表示に関連付けられた目標を識別する場合、タスク推奨システム１０６は、来年、マラソンを走るという掲げた目標に関連付けられた任意のタスクを識別するために、リソースライブラリに問い合わせることがある。いくつかの事例では、リソースライブラリへの問合せは、メンバー１１０に関連付けられたメンバープロファイルから集められたメンバー属性を含み得る。これは、タスク推奨システム１０６が、同様の目標のために同様の状況にあるメンバー（たとえば、同様の地理的ロケーションにいるメンバー、現在のメンバーの属性と同様の属性を有するメンバーなど）に対して実施されたかまたは場合によっては提案された場合がある任意のタスクを識別することを可能にし得る。いくつかの事例では、タスク推奨システム１０６は、特定の目標を達成するために実施され得る可能なタスクを識別するために使用され得る任意のサードパーティリソース１２６を識別するために、リソースライブラリを自動的に利用し得る。たとえば、リソースライブラリから、タスク推奨システム１０６は、同様の状況にあるメンバーおよび／または同様の目標のためのタスクを生成するために以前に利用された任意のサードパーティリソース１２６を自動的に識別し得る。

[0055]一実施形態では、タスク推奨システム１０６は、メンバーの掲げた目標がメンバー１１０によって提供された時間枠内で達成可能であるかどうかを自動的に決定することができる。たとえば、前述の機械学習アルゴリズムまたは人工知能を使用して、タスク推奨システム１０６は、識別された目標を達成するためのタスク１２４のセットを自動的および動的に取得し得る。取得されたタスク１２４のセットは、機械学習アルゴリズムまたは人工知能によって決定される特定の時間枠に対応し得る。この時間枠が、メンバー１１０が代理１０４と通信する際にメンバー１１０によって定義された時間枠を超える場合、タスク推奨システム１０６は、メンバーの指定された時間枠内で目標を達成することができないと決定し得る。別の例として、タスク推奨システム１０６および／または代理１０４は、１つまたは複数のサードパーティリソース１２６のレビューに基づいて、メンバー１１０によって指定された時間枠内で掲げた目標を達成することができるかどうかを決定し得る。たとえば、タスク推奨システム１０６が、１つまたは複数のサードパーティリソース１２６から取得された情報に基づいて、掲げた目標の達成が、メンバー１１０が代理１０４と通信する際にメンバー１１０によって定義された時間枠を超えて延びる時間枠を必要とすると決定した場合、タスク推奨システム１０６は、メンバーの指定された時間枠内で目標を達成することができないと決定し得る。

[0056]タスク推奨システム１０６が、メンバー１１０によって提供された時間枠内で掲げた目標を達成することができないと決定した場合、タスク推奨システム１０６は、目標を達成するための代替の時間枠を示す推奨を代理１０４に送信し得る。上述のように、前述の機械学習アルゴリズムまたは人工知能を使用して、タスク推奨システム１０６は、掲げた目標を達成するためのタスク１２４のセットと特定の時間枠とを自動的および動的に取得し得る。タスク推奨システム１０６は、この時間枠を代理１０４に提供することがあり、代理１０４は、通信セッション１１８を介してこの時間枠をメンバー１１０に通信することがある。メンバー１１０は、その掲げた目標を達成するための代替の時間枠を検討し、目標に向けて進めるかどうかを決定し得る。メンバー１１０が、掲げた目標を追求することを望まなくなったと決定する場合、代理１０４は、目標と任意の識別されたタスクとをメンバーのプロファイルから除去し得る。しかしながら、メンバー１１０が、目標を達成するための推奨される時間枠に従って目標を追求し続けることを望むと決定する場合、代理１０４は、目標を達成するためのこの推奨される時間枠を示すように、目標のためのテンプレートを更新し得る。代替的に、タスク推奨システム１０６は、メンバー１１０からの応答を（ＮＬＰまたは他の機械学習アルゴリズム／人工知能の使用などを通して）自動的におよびリアルタイムで検出し、その応答に基づいて、推奨される時間枠を示すために（受け入れられる場合）またはテンプレートを除去するために（時間枠が拒絶される場合）、目標のためのテンプレートを更新し得る。

[0057]一実施形態では、メンバー１１０に推奨され得るタスクのセットのリストが、掲げた目標を達成するためにどのタスクがメンバー１１０に提示され得るかに関する最終決定のために、代理１０４に提供され得る。いくつかの事例では、タスク推奨システム１０６は、所与の時間枠内で掲げた目標を達成するための異なる方法に従って、異なるタスクをグルーピングし得る。たとえば、メンバー１１０の掲げた目標が来年、マラソンを走ることである場合、タスク推奨システム１０６は、来年、マラソンを走るためにメンバー１１０をトレーニングするために実施され得る異なるトレーニングプランのためのタスクのセットを（機械学習アルゴリズム／人工知能および／またはサードパーティリソース１２６からの情報の使用などを通して）識別し得る。一実施形態では、タスク推奨システム１０６は、掲げた目標を達成するためにメンバー１１０が特定のタスクグループを選択する尤度に基づいて、異なるタスクグループをランク付けすることができる。

[0058]代理１０４は、タスク推奨システム１０６によって推奨されたタスクのグルーピングをレビューし、提案を通してメンバー１１０に提示するためにこれらのグルーピングのうちの１つまたは複数を選択することがある。たとえば、代理１０４は、掲げた目標を達成するための提案を生成することができる。提案は、特に、目標が達成され得る異なる方法のためのオプションのリストを提供し得る。各オプションは、所与の時間枠内で掲げた目標を達成するために実施され得るタスクのグルーピングを含み得る。提案の様々な選択肢は、特定の目標のためにタスク促進サービス１０２によって促進される通信セッションを介して（たとえば、プロジェクト固有のインターフェース１２０を通して）、またタスク促進サービス１０２によって提供されるウェブポータルまたはアプリケーションを介して、メンバー１１０に提示され得る。提案は、目標に対応する１つまたは複数のタスクの完了のために関与されるべき任意のサードパーティリソース１２６（もしあれば）、目標の完了のための予算推定値、目標の完了のために使用されるべきリソースまたはリソースのタイプなどをさらに識別し得る。提案における提示された様々なオプションに対するメンバーの応答に基づいて、代理１０４は、プロジェクト固有のインターフェース１２０を介して、選択されたオプションに関連付けられたタスク１２４を提示することがあり、それを通して、メンバー１１０は、掲げた目標に対応するプロジェクト１２２と、特定のプロジェクト１２２に対する選択された提案オプションに対応するタスク１２４とをレビューすることがある。

[0059]一実施形態では、提案を生成するために、代理１０４は、タスク促進サービス１０２のタスク調整システム１０８を利用することがある。タスク調整システム１０８は、コンピュータシステムを使用して、またはタスク促進サービス１０２のコンピュータシステム上に実装されたアプリケーションもしくは他の実行可能コードとして実装され得る。代理１０４は、提案を進めるか、または掲げた目標に関連付けられたタスクを完了するための代替の提案を提供するように、メンバー１１０に応答を要請するために、プロジェクト固有のインターフェース１２０を介してメンバー１１０に提案を提示し得る。

[0060]一実施形態では、タスク調整システム１０８は、掲げた目標を達成するための提案オプションのメンバー選択に関するデータを収集するために、（タスク促進サービス１０２によって促進される目標固有の通信セッションなどを通して）特定の目標に関するメンバー１１０と代理１０４との間の通信を監視することができる。たとえば、タスク推奨システム１０８は、各提案オプションに対応する極性または感情を決定するために、インターフェース１２０を介して代理１０４によってメンバー１１０に提示された提案オプションに対応するメッセージを動的におよびリアルタイムで処理し得る。たとえば、メンバー１１０が、代理１０４へのメッセージにおいて、特定の提案オプションが、メンバーが時間制約または困難のために実施することができないタスクを含むことを示す場合、タスク調整システム１０８は、負の極性または感情をこの提案オプションに起因させ得る。代替的に、メンバー１１０が特定の提案オプションがメンバー１１０にとって好ましいことと、対応するタスクが実行可能であることとを示す場合、タスク調整システム１０８は、正の極性または感情をこの提案オプションに起因させ得る。一実施形態では、タスク調整システム１０８は、同様の目標を達成するためにメンバー１１０とタスク促進サービス１０２の他の同様の状況にあるメンバーとに提示され得るタスクおよび提案オプションを生成するために利用される機械学習アルゴリズムまたは人工知能をさらにトレーニングまたは強化するために、メンバー１１０に推奨された提案オプションに対するこれらの応答を使用することができる。

[0061]一実施形態では、メンバー１１０が、掲げた目標を達成するために、メンバー１１０、代理１０４、および／またはタスク促進サービス１０２に関連付けられた１つもしくは複数のサードパーティサービスもしくは他のサービス／エンティティによって実施可能なタスクのセットを含む特定の提案オプションを選択した場合、タスク調整システム１０８は、掲げた目標を達成するために実施されるべき１つまたは複数のタスク１２４を含む掲げた目標のためのプロジェクト１２２を提供するように、プロジェクト固有のインターフェース１２０を更新することができる。インターフェース１２０を介して提示されるタスク１２４の数は、メンバー１１０に関連付けられたメンバープロファイルに示され得るメンバー１１０の既知の特性（たとえば、異なるプロジェクトまたはタスクに要求される詳細のレベルに関するメンバー選好、メンバー１１０に表示されるべきタスクの所定の数など）に基づいて決定され得る。たとえば、来年のマラソントレーニングに対応するプロジェクト１２２が来年の週当たり３つのタスクを含む場合、タスク調整システム１０８は、メンバー１１０の既知の特性に基づいて（たとえば、メンバープロファイルから）、これらのタスク１２４のうちのいくつが任意の所与の時間にインターフェース１２０を介して表示され得るかを決定し得る。提示されるタスク１２４の数は、まだ実施されていない無数のタスクでメンバー１１０を圧倒しないように選択され得るので、タスク１２４の提示のこの調整は、メンバーの認知負荷を低減するのに機能し得る。

[0062]一実施形態では、タスク調整システム１０８は、掲げた目標のためのプロジェクト１２２に関連付けられたタスク１２４の完了のために、メンバー１１０、代理１０４、および／またはタスク促進サービス１０２に関連付けられたサードパーティサービスもしくは他のサービス／エンティティの実施を監視する。いくつかの事例では、掲げた目標を達成するために実施されるタスク１２４は、デッドラインまたは他の時間的制限を受けることがある。たとえば、掲げた目標が所定の時間枠内で達成されるために、掲げた目標に関連付けられた各タスク１２４は、掲げた目標を達成することに向かって必要な進捗が行われていることを確実にするために、それぞれのデッドラインまたは他の時間的制限に従って実施される必要があり得る。したがって、タスク調整システム１０８は、プロジェクト１２２の現在のタスク１２４が実施されたか、または実施されている最中であるかを決定するために、現在のタスク１２４に関連付けられた通信セッションを介してメンバー１１０と代理１０４との間でメッセージが交換されるとき、メッセージをリアルタイムで処理し得る。タスク１２４が、タスク促進サービス１０２に関連付けられたサードパーティサービスまたは他のサービス／エンティティによって実施されている場合、タスク調整システム１０８は、タスクの実施に関して、タスク促進サービス１０２に関連付けられたサードパーティサービスまたは他のサービス／エンティティによって提供される任意の情報を記録することがある。

[0063]プロジェクト１２２に関する現在のタスクが完了した場合、タスク調整システム１０８は、インターフェース１２０を介して、タスクが完了したことを示し、掲げた目標を達成するために実施される次のタスクを、メンバー１１０、代理１０４、および／または１つもしくは複数のサードパーティサービスによって実施される現在のタスクとして提示するように、プロジェクト１２２を更新し得る。いくつかの事例では、タスク調整システム１０８は、タスクが完了したというグラフィック表示を提供するために、インターフェース１２０を更新し得る。たとえば、タスク調整システム１０８は、完了したタスクを、完了したタスクに対応するインターフェース１２０のセクション（たとえば、インターフェース１２０の「やるべきことの完了（Completed To-Dos）」セクションなど）に移動させることがある。このプロセスは、プロジェクト１２２に関連付けられたタスク１２４が完了し、掲げた目標が達成されたと推定されるまで継続し得る。

[0064]一実施形態では、タスク調整システム１０８は、１つまたは複数のタスク１２４がそれぞれのデッドラインまたは他の時間制限内に完了していないことを検出したことに応答して、掲げた目標に関連付けられたプロジェクト１２２の完了のための時間枠に対する調整が実施されるべきかどうかを決定することができる。上述のように、タスク調整システム１０８は、掲げた目標に対応するプロジェクト１２２に関連付けられたタスク１２４の実施をリアルタイムで監視することがある。これは、メンバー１１０と代理１０４との間のメッセージが、これらのタスク１２４の各々に関連付けられた通信セッションを介して交換されるとき、これらのメッセージを処理することを含み得る。タスク調整システム１０８は、これらのメッセージをリアルタイムで処理し、特定のタスク１２４のステータスを決定するために、機械学習アルゴリズムまたは人工知能（たとえば、ＮＬＰ）を利用し得る。たとえば、メンバー１１０が、現在のタスク１２４に対応する通信セッションを介した代理１０４へのメッセージにおいて、それらがタスク１２４に割り当てられた時間内に現在のタスク１２４を実施することができないことを示す場合、タスク調整システム１０８は、タスク１２４がタスク１２４に割り当てられた時間内に完了されないと決定し得る。別の例として、タスク調整システム１０８は、タスク１２４の実施に対応するアクションまたは情報が、タスク１２４に割り当てられた時間の終わりに受信されていないと決定することがある。これは、タスク１２４が完了したかどうかを決定するために、メンバー１１０および／または任意のサードパーティサービス、またはタスク１２４の実施に関与するタスク促進サービス１０２に関連付けられた他のサービス／エンティティと通信するように代理１０４を促進することをタスク調整システム１０８にさせ得る。タスク１２４が完了していないことを代理１０４が示す場合、タスク調整システム１０８は、タスク１２４を、タスク１２４に割り当てられた時間内に完了していないものとして記録することがある。

[0065]一実施形態では、タスク調整システム１０８は、現在のタスク１２４が完了したかどうかを決定するために、メンバーのパーソナルフィットネスデバイスおよび他のソースからデータを収集することができる。メンバー１１０は、タスク促進サービス１０２に、これらの１つまたは複数のメンバーリソースへのアクセスを提供することがあり、それによって、タスク調整システム１０８は、これらのタスクの完了のために割り当てられた時間に従ってタスクが完了しているかどうかを決定するために使用され得るタスク関連のデータを取得するために、これらのメンバーリソースに周期的にまたは特定の時間にアクセスし得る。さらに、これらのメンバーリソースから収集されたデータは、代理１０４によって監視されることがあり、代理１０４は、メンバー１１０がタスク１２４を完了したかどうかを決定し、プロジェクト１２２によって定義された掲げた目標を達成する際のメンバーの進捗を決定するために、データを解析し得る。例示的な例として、特定のタスク１２４が、メンバーにインターバルトレーニングを実施させ、続いて所与の時間までに１マイルのランニングを実施させることを含む場合、タスク調整システム１０８は、メンバープロファイルに関連付けられた１つまたは複数のフィットネスデバイスからデータを取得することができる。データは、全地球測位システム（ＧＰＳ）データ、歩数データ、心拍数読取り値、血圧読取り値、ＰａＯ２読取り値などを含むことがある。このデータを使用して、タスク調整システム１０８は、メンバー１１０が特定のタスク１２４を完了したかどうかを自動的に決定することがある。タスク調整システム１０８はまた、いくつかの事例では、タスク１２４が完了したかどうかを決定するために、これらの読取り値に関してメンバー１１０と通信するように代理１０４を促進し得る。たとえば、メンバー１１０のＧＰＳデータが、メンバー１１０がタスク１２４に割り当てられた時間中に１マイル走った可能性があることを示す場合、代理１０４は、特定のタスク１２４が完了したかどうかをメンバー１１０に尋ねるために、特定のタスク１２４に対応する通信セッションを介してメンバー１１０にメッセージを送信し得る。

[0066]一実施形態では、タスク調整システム１０８が、現在のタスク１２４がタスク１２４に割り当てられた時間内に完了していないと決定した場合、タスク調整システム１０８は、掲げた目標が、目標に対して定義された元の時間枠内で依然として達成され得るかどうかを決定する。たとえば、タスク調整システム１０８は、これらのタスク１２４が、目標を達成するための時間枠全体に影響を及ぼすことなく、現在のタスクの完了のためにより多くの時間を提供するようにシフトされ得るかどうかを決定するために、掲げた目標に対応するプロジェクト１２２のタスクの残りのセットを自動的にレビューし得る。タスク調整システム１０８が、現在のタスクの完了のためにより多くの時間を提供するように、タスクの残りのセットがシフトされ得ると決定した場合、タスク調整システム１０８は、タスク１２４の完了のための新しい割り当てられた時間を提供するために、現在のタスク１２４を自動的および動的に更新し得る。これは、メンバー１１０、代理１０４、および／またはタスク１２４を実施するタスク促進サービス１０２に関連付けられたサードパーティサービスもしくは他のサービス／エンティティに、タスク１２４を完了するためのより多くの時間を提供し得る。プロジェクト１２２に関連付けられた任意の他のタスクも、必要な場合、それに応じてシフトされ得る。

[0067]いくつかの事例では、現在のタスク１２４がタスク１２４に割り当てられた時間内に完了しなかった場合、タスク調整システム１０８は、掲げた目標を達成するために実施されるべき残りのタスクが、現在のタスク１２４を完了することができないことを補償するために調整され得るかどうかに関する評価を実施するように、タスク推奨システム１０６に要求を送信し得る。たとえば、この要求に応答して、タスク推奨システム１０６は、掲げた目標の残りの時間枠内で掲げた目標を達成するために実施され得るタスクの残りのセットに対して行われ得る新しいタスクまたは修正を識別するために、リソースライブラリおよび／または１つもしくは複数のサードパーティリソース１２６に自動的に問い合わせることがある。たとえば、メンバー１１０が、割り当てられた時間期間内に、メンバー１１０がインターバルトレーニングを実施し、続いて１マイルランニングを実施することを必要とするタスクを実施することができない場合、タスク推奨システム１０６は、１つまたは複数の後続のタスクが、見落とされたインターバルトレーニングおよび１マイルランニングに対応するように調整され得るかどうかを決定することがある。別の例として、タスク推奨システム１０６が、実装された場合、メンバー１１０が掲げた目標に対して定義された時間枠内でマラソンのトレーニングを完了することを可能にし得る新しいマラソントレーニングプランをリソースライブラリまたは１つもしくは複数のサードパーティリソース１２６から識別した場合、タスク推奨システム１０６は、新たに識別されたトレーニングプランに対応するために、掲げた目標に対するタスクの残りのセットを修正または置換することができる。いくつかの事例では、タスク推奨システム１０６が、掲げた目標のためのタスクの新しいセットを識別した場合、タスク推奨システム１０６は、タスクのこの新しいセットを代理１０４に提示することがある。次に、代理１０４は、タスクのこの新しいセットを掲げた目標に対する提案オプションとして組み込む新しい提案を生成することがある。代理１０４は、メンバー１１０がタスクの新しいセットを進めるべきかどうかを決定することを可能にするために、この新しい提案をメンバー１１０に提示し得る。

[0068]一実施形態では、最初に定義された時間枠内で掲げた目標を達成するために完了され得るタスクの新しいまたは修正されたセットに対応する提案オプションを提供することに加えて、タスク推奨システム１０６は、掲げた目標を達成するための代替の時間枠に対応する１つまたは複数の追加の提案オプションを提供することができる。たとえば、タスク推奨システム１０６は、タスク推奨システム１０６によって最初に決定された、現在のタスク１２４とタスクの残りのセットとを含む新しい提案オプションを、現在のタスク１２４およびタスクの残りのセットの完了のための新しい時間枠とともに生成し得る。たとえば、この新しい提案オプションは、現在のタスク１２４に対して最初に提供された割り当てられた時間に等しい時間量だけ、掲げた目標に対する元の時間枠からシフトされた新しい時間枠を指定することがある。これは、メンバー１１０、代理１０４、および／または任意のサードパーティサービスが、新しい時間枠内で、現在のタスク１２４と掲げた目標のためのすべての他の後続のタスクとを実施する機会を可能にし得る。

[0069]一実施形態では、タスク推奨システム１０６は、掲げた目標を達成するためのタスクの新しいセットを自動的および動的に生成するために、機械学習アルゴリズムまたは人工知能を使用することができる。機械学習アルゴリズムまたは人工知能への入力として、タスク推奨システム１０６は、目標の特性に加えて、メンバー１１０の特性（たとえば、メンバープロファイル、メンバープロファイルから抽出された情報など）、および同様の状況にあるメンバーに対応するデータ、掲げた目標に関連付けられた以前のタスクおよび現在のタスクの実施に対応するデータまたはメトリクスを提供し得る。以前のタスクおよび現在のタスクの実施に対応するデータまたはメトリクスは、メンバー１１０、代理１０４、および／またはタスク促進サービス１０２に関連付けられた任意のサードパーティサービスもしくは他のサービス／エンティティが、掲げた目標に関連付けられたタスクを実施することができることに関する表示として機能し得る。たとえば、メンバー１１０が掲げた目標のための無数のタスクについていくことができなかった（たとえば、メンバー１１０が割り当てられた時間内にタスクを完了する際に遅れをとった）場合、タスク推奨システム１０６は、機械学習アルゴリズムまたは人工知能を使用して、掲げた目標を達成するためにメンバー１１０によって実施されるべきタスクにより多くの時間が割り当てられる必要があり得ると決定し得る。これは、次に、掲げた目標を達成するための新しい時間枠をもたらし得る。いくつかの事例では、割り当てられた時間内にタスクを完了するメンバーの能力に基づいて、タスク推奨システム１０６はまた、掲げた目標に関連付けられたタスクを完了するメンバーの識別された能力に従って、メンバー１１０によって実施され得るタスクの新しいセットを識別するために、サードパーティリソース１２６および／またはタスク促進サービス１０２によって維持されるリソースライブラリを参照し得る。

[0070]掲げた目標を達成するためのタスクの新しいセットを自動的および動的に生成するために使用される機械学習アルゴリズムまたは人工知能は、メンバー１１０が掲げた目標を達成することを可能にするために実施され得る１つまたは複数の是正措置（たとえば、掲げた目標を達成するための新しい時間枠の定義、掲げた目標を達成するための１つまたは複数の新しいおよび／または代替のタスクの定義など）を識別するために、メンバー１１０および任意の同様の状況にあるメンバーに対応するサンプルデータセット（たとえば、履歴メンバーデータ、履歴目標およびタスクデータ、タスクの事前および事後の調整に基づく目標の達成に対応する実施メトリクスなど）を使用してトレーニングされ得る。これらの是正措置が実施されると、メンバーがその目標を達成することを可能にする際のこれらの是正措置の成功（またはその欠如）に従って、メンバー履歴データならびに目標およびタスクの履歴データが、リアルタイムで更新され得る。異なるメンバーの目標に関連付けられた種々のタスクは、異なるメンバーによって、および／または異なるメンバーの代わりに、経時的に並行して実施され得るので、機械学習アルゴリズムまたは人工知能をトレーニングするために使用されるデータは、タスクが対応する目標を達成するために実施されるとき、リアルタイムで動的に更新され得る。さらに、タスク促進サービス１０２のメンバーに関連付けられた目標のために実施される任意の是正措置は、機械学習アルゴリズムまたは人工知能をトレーニングするためにデータが使用される更新を通して、他のメンバーに伝播され得る。

[0071]タスク推奨システム１０６は、タスクのこれらの代替のセットと対応する時間枠とを代理１０４に提供することがあり、代理１０４は、メンバー１１０に提示され得る可能な提案オプションを生成するために、タスクのこれらの代替のセットと対応する時間枠とを使用し得る。一実施形態では、メンバー１１０が、掲げた目標を達成するために、メンバー１１０、代理１０４、および／またはタスク促進サービス１０２に関連付けられた１つもしくは複数のサードパーティサービスもしくは他のサービス／エンティティによって実施可能なタスクのセットを含む特定の提案オプションを選択した場合、タスク調整システム１０８は、掲げた目標に対して現在保留中のタスクの元のセットを、メンバー１１０によって選択された提案オプションに対応するタスクの代替セットに置き換えるために、インターフェース１２０を更新することができる。さらに、インターフェース１２０を介して、タスク調整システム１０８は、掲げた目標を達成するための新しい時間枠をメンバー１１０に提供することがある。

[0072]タスク調整システム１０８は、掲げた目標が達成されたかどうかを決定するために、掲げた目標に関連付けられたタスク１２４の実施を監視し続けることがある。たとえば、メンバー１１０、代理１０４、および／またはタスク促進サービス１０２に関連付けられた任意のサードパーティサービスもしくは他のサービス／エンティティが、掲げた目標に関連付けられたタスクを完了するとき、タスク調整システム１０８は、掲げた目標を達成することに向けた進捗を自動的におよびリアルタイムで記録し得る。さらに、タスク調整システム１０８は、メンバー１１０と代理１０４との間のメッセージをリアルタイムで監視および処理することがあり、掲げた目標を達成することに向けた進捗を決定するために、これらのメッセージが交換される。これらのメッセージは、掲げた目標を達成するために、各実施されたタスクとタスクのセットの構造全体とに関するフィードバックとして機能し得る。さらに、掲げた目標に対応するタスクのセットが完了すると、タスク調整システム１０８は、タスクのセットに関するフィードバックと、タスクのセットの実施の結果として掲げた目標が達成されたかどうかに関するフィードバックとをメンバー１１０に促進するための要求を代理１０４に送信することがある。メンバー１１０が掲げた目標を達成するのをタスクのセットが助けたことをメンバー１１０が示す場合、タスク調整システム１０８は、掲げた目標を達成するために利用されるタスクのセットと時間枠とに正の極性を割り当てることある。代替的に、タスクのセットが好ましくなかったこと、および／または、タスクのセットの実施が、掲げた目標の達成をメンバー１１０にもたらさなかったことをメンバー１１０が示す場合、タスク調整システム１０８は、掲げた目標を達成するために利用されるタスクのセットおよび時間枠に負の極性を割り当てることがある。取得されたフィードバックは、一実施形態では、タスク推奨システム１０６によって利用される機械学習アルゴリズムまたは人工知能を更新または再トレーニングして、同様の状況にあるメンバーについて同様の目標を達成するために実施され得るタスクの異なるグループを生成するために使用され得る。

[0073]本明細書で説明されるプロセスに関して、代理１０４によって実施される様々な動作は、追加的にまたは代替的に、１つまたは複数の機械学習アルゴリズムまたは人工知能を使用して実施され得ることに留意されたい。たとえば、代理１０４が、掲げた目標に対応するタスクを経時的に実施するか、または場合によってはその実施を調整するとき、タスク促進サービス１０２は、これらのタスクの実施に関係するメンバーフィードバックに従って、メンバー１１０に関連付けられたメンバープロファイルを継続的および自動的に更新し得る。一実施形態では、タスク推奨システム１０６は、メンバープロファイルがある期間（たとえば、６ヶ月、１年など）にわたって、または目標およびタスクのセット（たとえば、２０個のタスク、３０個のタスクなど）にわたって更新された後、代理対話を行ってまたは行わずに、メンバープロファイルの様々な属性（たとえば、メンバー代理通信に対応する履歴データ、代理実施に対応するメンバーフィードバックおよび目標を達成するための提示された提案、対応するタスクなど）に基づいて、掲げた目標のための新しいタスクを自動的および動的に生成するために、機械学習アルゴリズムまたは人工知能を利用し得る。タスク推奨システム１０６は、新しい目標に関連付けられた新しいタスクに必要とされる任意の追加情報を取得し、これらの新しいタスクの実施のためにメンバー１１０に提示され得る提案を自動的に生成するために、メンバー１１０と自動的に通信し得る。代理１０４は、会話が正の極性を維持する（たとえば、メンバー１１０がタスク推奨システム１０６または他のボットとの対話に満足しているなど）ことを確実にするために、タスク推奨システム１０６とメンバー１１０との間の通信を監視し得る。代理１０４が、会話が負の極性を有する（たとえば、メンバー１１０がフラストレーションを表明している、タスク推奨システム１０６またはボットがメンバーの応答または質問を処理することができない、など）と決定した場合、代理１０４は、会話に介入し得る。これは、代理１０４が、任意のメンバーの懸念に対処し、メンバー１１０に代わって任意のタスクを実施することを可能にし得る。

[0074]したがって、これらのシステムおよび環境がエージェントまたは他の自動化されたシステムと対話するユーザの知識をほとんどまたはまったく有しないことがある自動化された顧客サービスシステムおよび環境とは異なり、タスク推奨システム１０６は、システムとのメンバーの自動的な対話または代理１０４との対話に基づいて、ならびにメンバー１１０に提供される提案および対応する提案オプションと、経時的にメンバーの目標を達成するために実施されるタスクとに基づいて、メンバー１１０に関する最新の履歴情報を提供するようにメンバープロファイルを継続的に更新することができる。この履歴情報は、メンバー１１０またはシステムが代理１０４と対話するとき、および、タスクが経時的にメンバー１１０のために考案され、提案され、実施されるとき、自動的および動的に更新され得、メンバー１１０の問合せ、ニーズ、および／または目標に対する適切なまたはインテリジェントな応答を予測し、識別し、提示するために、タスク推奨システム１０６によって使用され得る。

[0075]図２は、少なくとも１つの実施形態による、タスク推奨システム１０６が、メンバーの目標を達成するためにメンバー１１０に提示され得る、異なるタスクおよび／またはプロジェクトに対する推奨を生成およびランク付けする、環境２００の例示的な例を示す。環境２００において、代理１０４は、メンバー１１０が所与の時間枠内で達成することを望む目標に対応する新しいプロジェクトを生成するために、タスク推奨システム１０６のタスク作成サブシステム２０２と対話する。タスク作成サブシステム２０２は、コンピュータシステムを使用して、またはタスク推奨システム１０６のコンピュータシステム上に実装されるアプリケーションもしくは他の実施可能コードとして実装され得る。

[0076]一実施形態では、通信セッションを介してメンバー１１０によって示された目標を達成するために実施され得る新しいプロジェクトおよび１つまたは複数の対応するタスクの作成を要求するために、メンバー１１０に割り当てられた代理１０４またはメンバー１１０自体が、タスク作成サブシステム２０２にアクセスすることができる。たとえば、上述のように、メンバー１１０は、ある時間枠内で特定の目標を達成したいことを代理１０４に明示的に示すことがある。例示的な例として、メンバー１１０は、通信セッションを介した代理１０４へのメッセージにおいて、来年（たとえば、次の１２ヶ月）にマラソンを走りたいことを示し得る。代理１０４は、このメッセージを評価し、メンバー１１０が来年にマラソンを走る目標を確定したと決定し得る。代替的に、メンバー１１０は、メンバー１１０が達成したい特定の目標に対応するプロジェクトの作成を要求するために、タスク作成サブシステム２０２に直接アクセスし得る。たとえば、タスク促進サービスは、タスク促進サービスのアプリケーションまたはウェブポータルを介して、メンバー１１０がメンバーの目標に対応するプロジェクトを作成する要求をサブミットし得るウィジェットまたは他のユーザインターフェース要素を提供し得る。この要求に応答して、タスク作成サブシステム２０２は、掲げた目標のためのプロジェクトを作成するメンバーの要求を示す通知を代理１０４に送信することがある。タスク作成サブシステム２０２は、メンバー１１０によって提供された目標の説明を代理１０４に提供することがある。

[0077]一実施形態では、タスク作成サブシステム２０２は、リソースライブラリ２２０を通して、掲げた目標のための新しいプロジェクトを生成するために代理１０４および／またはメンバー１１０によって使用され得る様々なテンプレートを提供する。タスク作成サブシステム２０２は、リソースライブラリ２２０内に、異なる目標タイプまたはカテゴリのためのプロジェクトテンプレートを維持し得る。各プロジェクトテンプレートは、プロジェクトを定義するための異なるデータフィールドを含むことがあり、それによって、異なるデータフィールドは、定義されているプロジェクトのための目標タイプまたはカテゴリに対応し得る。代理１０４および／またはメンバー１１０は、処理のためにタスク作成サブシステム２０２にサブミットされ得るプロジェクトを定義するために、これらの異なるデータフィールドを介して目標情報を提供し得る。いくつかの事例では、タスク作成サブシステム２０２は、上述のように、メンバー１１０に関連付けられたメンバープロファイルに提供された情報に基づいて、選択されたプロジェクト生成テンプレートから１つまたは複数のデータフィールドを自動的に埋めることができる。

[0078]一実施形態では、タスク作成サブシステム２０２は、メンバー１１０が代理１０４およびタスク促進サービスの支援を受けて達成したい場合がある目標を識別するために、メンバー１１０と代理１０４との間で通信セッションを介して交換されるメッセージを自動的におよびリアルタイムで監視することができる。たとえば、タスク作成サブシステム２０２は、代理１０４およびタスク促進サービスがこれらの目標を達成するためにメンバー１１０に支援を提供し得る任意のメンバーの目標を自動的に識別するために、メンバー１１０と代理１０４との間のメッセージを、これらのメッセージが交換されているとき、機械学習アルゴリズムまたは人工知能を使用して処理し得る。タスク作成サブシステム２０２は、メンバー１１０からのこれらの交換されたメッセージまたは他の通信を評価して、メンバー１１０が達成したい任意の目標を識別するために、ＮＬＰまたは他の人工知能を利用し得る。いくつかの事例では、タスク作成サブシステム２０２は、可能な目標を識別するようにＮＬＰまたは他の人工知能をトレーニングするために、同様の状況にあるメンバーについて以前に識別された目標に対応する履歴データと、ユーザデータストア２１０からのこれらの同様の状況にあるメンバーからの対応するメッセージとを利用し得る。タスク作成サブシステム２０２が、メンバー１１０が代理１０４およびタスク促進サービスの支援を受けて達成したい１つまたは複数の目標を識別する場合、タスク作成サブシステム２０２は、これらの目標を代理１０４に提示することがあり、代理１０４は、これらの目標を識別したことと、それに応じて、メンバー１１０がこれらの目標を達成するのを支援するために実施され得るタスクを生成することとを示すために、通信セッションを介してメンバー１１０と通信し得る。

[0079]いくつかの事例では、タスク作成サブシステム２０２が、メンバー１１０が達成したい１つまたは複数の目標を識別する場合、タスク作成サブシステム２０２は、識別された目標ごとにインターフェース（グラフィカルユーザインターフェース（ＧＵＩ）など）を動的に生成し得る。このインターフェースを通して、タスク作成サブシステム２０２は、メンバー１１０と代理１０４との間の新しい通信セッションを促進し得、それを通して、メンバー１１０および代理１０４は、特定の目標に関係するメッセージを交換し得る。さらに、本明細書でより詳細に説明されるように、特定の目標に対応するインターフェースは、特定の目標に関連付けられた情報（説明など）と、対応する目標を達成するために実施され得る１つまたは複数のタスクとを提供するように更新され得る。

[0080]一実施形態では、タスク作成サブシステム２０２は、メンバーの認知負荷を決定するために、ユーザデータストア２１０からのメンバー１１０に関連付けられたメンバープロファイルを処理することができる。たとえば、タスク作成サブシステム２０２は、メンバー１１０の認知負荷スコアを生成するために、ユーザデータストア２１０からのメンバープロファイルと、対応するタスクと、メンバーと代理の会話とを、機械学習アルゴリズムまたは人工知能への入力として使用し得る。タスク作成サブシステム２０２は、メンバー１１０によって提供される目標を達成するための時間枠が実現可能であるかどうかを決定するために、メンバー１１０の認知負荷スコアを使用することができる。たとえば、タスク作成サブシステム２０２は、メンバー１１０の認知負荷スコアに基づいて、（メンバー１１０によって指定される）目標を達成するための時間枠が、メンバー１１０の認知負荷の増加につながり得る（たとえば、高レベルのストレスが、時間枠内で目標と他の関連タスクとを達成しようとすることから生じ得る）と決定し得る。この認知負荷スコアが最大認知負荷しきい値を超える場合、タスク作成サブシステム２０２は、目標を達成するための時間枠がメンバー１１０にとって煩わしい場合があると決定することがあり、タスク作成サブシステム２０２は、メンバー１１０に提案され得る、メンバーの認知負荷を低減し得る代替の時間枠を識別すべきである。タスク作成サブシステム２０２が、目標の達成のための代替の時間枠がメンバー１１０に提案されるべきであると決定した場合、タスク作成サブシステム２０２は、目標を達成するための代替の時間枠に関係する任意の情報を提供するように、通知を代理１０４に送信し得る。代理１０４は、特定の目標に関連付けられた通信セッションを介して、この代替の時間枠をメンバー１１０に提案することがある。メンバー１１０が提案された代替の時間枠を受け入れることを選択した場合、代理１０４は、メンバー１１０が目標を達成するために代替の時間枠を受け入れたことをタスク作成サブシステム２０２に示すことがある。代替的に、メンバー１１０が、提案された代替の時間枠を拒絶することを選択した場合、代理１０４は、掲げた目標を放棄するかどうかを決定し、および／またはメンバー１１０によって提案された元の時間枠内で達成可能であり得る代替の目標を識別するために、メンバー１１０と協働し得る。

[0081]代理１０４が、メンバーの掲げた目標に対応する新しいプロジェクトを定義すると、タスク作成サブシステム２０２は、掲げた目標を達成するための提案オプションのセットを生成するために使用され得るタスクのセットを生成することに進むことがある。たとえば、タスク作成サブシステム２０２は、メンバーの新しい目標を達成するために実施され得るタスクを識別するために、（新しいプロジェクトにおいて定義される）新しい目標に対応する情報と、（メンバー１１０と関連付けられたメンバープロファイルなどからの）メンバー１１０に対応する情報と、目標および同様の状況にあるメンバーによって実施される対応するタスクに対応する履歴データとを、機械学習アルゴリズムまたは人工知能への入力として使用し得る。新しい目標の特性（たとえば、目標のタイプまたはカテゴリ、目標を達成するための時間枠など）と、メンバー１１０の特性と、これらの同様の状況にあるメンバーに対応するデータとに基づいて、タスク作成サブシステム２０２は、新しく作成されたプロジェクト内で定義されるように、新しい目標を達成するために掲げた時間枠内で実施され得るタスクのセットを自動的に生成し得る。識別された目標を達成するためのタスクのセットを自動的および動的に生成するためにタスク作成サブシステム２０２によって利用される機械学習アルゴリズムまたは人工知能は、上記で説明されたように、教師ありトレーニング技法を使用してトレーニングされ得る。さらに、機械学習アルゴリズムまたは人工知能は、機械学習アルゴリズムまたは人工知能に供給されたサンプル入力に基づいて、機械学習アルゴリズムまたは人工知能が所定の時間枠内で対応する目標を達成することを助長するタスクのセットを生成しているかどうかを決定するために評価され得る。この評価に基づいて、機械学習アルゴリズムまたは人工知能が所望の結果を生成する尤度を増加させるために、機械学習アルゴリズムまたは人工知能が修正され得る。機械学習アルゴリズムまたは人工知能はさらに、所与の目標のために機械学習アルゴリズムまたは人工知能によって提供されるタスクに関して、メンバーおよび代理にフィードバックを要請することによって、動的にトレーニングされ得る。

[0082]一実施形態では、メンバー１１０が彼らの掲げた目標を達成することを可能にするために実施され得る１つまたは複数のタスクを自動的に生成するために、タスク作成サブシステム２０２は、掲げた目標を達成するために新しいプロジェクトに追加され得る可能なタスクを識別するために、１つまたは複数のサードパーティリソース１２６に問い合わせることができる。たとえば、タスク作成サブシステム２０２は、特定の目標を達成するために実施され得る可能なタスクを識別するために使用され得る任意のサードパーティリソース１２６を識別するために、リソースライブラリ２２０を自動的に利用し得る。リソースライブラリ２２０から、タスク作成サブシステム２０２は、同様の状況にあるメンバーおよび／または同様の目標のためのタスクを生成するために以前に利用された任意のサードパーティリソース１２６を自動的に識別し得る。上述のように、タスク促進サービス１０２は、異なる目標カテゴリおよびタイプに関連付けられ得る異なる趣味および意図に関係する情報を提供するかまたは場合によっては集約することがある様々な組織（たとえば、出版社、クラブ、類縁集団など）と提携することがある。これらの１つまたは複数のサードパーティリソース１２６から、タスク作成サブシステム２０２は、掲げた目標を達成するために実装され得る、既知の処方、学習プラン、クラスなどを識別し得る。タスク作成サブシステム２０２は、メンバー１１０、代理１０４、および／またはタスク促進サービスに関連付けられたサードパーティサービスもしくは他のサービス／エンティティによって実施され得る個々のタスクを生成して、所望の時間枠内で掲げた目標を達成するために、１つまたは複数のサードパーティリソース１２６からのこの情報を自動的に処理し得る。たとえば、１年の期間にわたる減量のために公表され、推奨される、識別された処方と、新しいプロジェクトで定義された掲げた目標とが、１年の対応する時間枠を有する場合、タスク作成サブシステム２０２は、掲げた目標を達成するために来年にわたって実施され得るタスクの可能なセットを識別するように、識別された処方を自動的に解析し得る。各タスクは、識別された処方の増分として機能することがあり、それによって、掲げた目標を達成することに向けた進捗が、タスクの完了のための所与の割り当てられた時間の終了時に評価され得る。

[0083]一実施形態では、タスク作成サブシステム２０２はさらに、代理１０４が、掲げた目標に関連付けられたプロジェクトのための１つまたは複数のタスクを手動で生成することを可能にする。たとえば、タスク作成サブシステム２０２は、インターフェースを代理１０４に提供し得、それを通して、代理１０４は、特定の目標に関連付けられたインターフェースを通してメンバーに提示され得る、新しいプロジェクトのための１つまたは複数のタスクを生成し得る。たとえば、代理１０４が、達成されるべき特定の目標に関する知識を有する場合、代理１０４は、この目標を達成するための処方または他のプランを手動で定義することができる。この処方または他のプランは、掲げた目標を達成するために、メンバー１１０、代理１０４、および／またはタスク促進サービスに関連付けられたサードパーティサービスもしくは他のサービス／エンティティによって実施され得るタスクのセットを含み得る。例示的な例として、メンバーの目標が来年、マラソンを走ることであり、代理１０４がマラソンについて以前にトレーニングしており、関与するトレーニングの厳しさに気づいている場合、代理１０４は、メンバー１１０がマラソンについて適切にトレーニングすることを可能にし得るメンバー１１０のためのカスタムプランを作成し得る。来年、マラソンを走るというメンバーの目標のために、代理１０４は、タスク作成サブシステム２０２を介して、「インターバルトレーニングの後に１マイル走る」と題するタスクを生成し得る。このタスクについて、代理１０４は、タスクの完了のための時間枠が１時間であることを示すことがあり、これは、メンバー１１０がタスクを完了するために必要とされ得る時間量である。さらに、代理１０４は、目標を達成するための全体的な時間枠に従って、タスクの完了日を示し得る。たとえば、目標を達成するための時間枠が１２ヶ月である場合、代理１０４は、掲げた１２ヶ月の時間枠内で目標を達成するためにメンバー１１０が軌道に乗るように、タスクの完了のための具体的な日付を示し得る。

[0084]一実施形態では、タスク作成サブシステム２０２は、リソースライブラリ２２０を介して、代理１０４が、これらのサードパーティリソース１２６に問い合わせ、掲げた目標を達成するために新しいプロジェクトに追加され得る可能なタスクを識別することを可能にするために、代理１０４にサードパーティリソース１２６へのアクセスを提供することができる。これらのサードパーティリソース１２６の代理のレビューに基づいて、代理１０４は、掲げた目標を達成するために、これらのサードパーティリソース１２６によって提供される任意のトレーニングプランまたは他の情報に対応するタスクのセットを手動で生成し得る。さらに、これらのサードパーティリソース１２６を使用して、代理１０４は、掲げた目標が達成されたかどうかのインジケータとして機能し得る、掲げた目標に対応する新しいプロジェクトのための最終タスクを識別し得る。たとえば、メンバーの掲げた目標が来年、マラソンを走ることである場合、新しいプロジェクトのためのタスクの以前のセットが正常に完了すると、代理１０４は、来年にある、メンバー１１０が参加する可能性があるメンバーの地理的エリア内のマラソンを識別するために、サードパーティリソース１２６をレビューすることがある。代理１０４は、このマラソンに対応し、新しいプロジェクトのための新しいタスクを生成することがある。新しいタスクは、完了した場合、掲げた目標を達成した際のメンバーの成功を示し得る。

[0085]一実施形態において、タスク作成サブシステム２０２は、代理１０４に推奨され得る新しいプロジェクトに関連付けられた１つまたは複数のタスクを識別するために、タスク促進サービスによって維持されるリソースライブラリ２２０を使用することができる。たとえば、タスク作成サブシステム２０２が、来年、マラソンを走りたいというメンバーの表示に関連付けられた目標を識別する場合、タスク作成サブシステム２０２は、来年、マラソンを走るという掲げた目標に関連付けられた任意のタスクを識別するために、リソースライブラリ２２０に自動的に問い合わせ得る。いくつかの事例では、リソースライブラリへの問合せは、メンバー１１０に関連付けられ、ユーザデータストア２１０に記憶されたメンバープロファイルからのメンバー属性を含み得る。これは、タスク作成サブシステム２０２が、同様の目標のために同様の状況にあるメンバー（たとえば、同様の地理的ロケーションにいるメンバー、現在のメンバーの属性と同様の属性を有するメンバーなど）に対して実施されたかまたは場合によっては提案された場合がある任意のタスクを識別することを可能にし得る。一実施形態では、タスク作成サブシステム２０２は、識別されたプロジェクトに対して代理１０４に推奨され得るタスクを識別するために、機械学習アルゴリズムまたは他の人工知能を使用する。たとえば、タスク作成サブシステム２０２は、前述のリソースライブラリ２２０から、識別されたプロジェクトに関連付けられ得る任意のタスクを識別し得る。タスク作成サブシステム２０２は、識別されたタスクのうちのどれが、掲げた目標に関連付けられたプロジェクトの完了のための提案オプションとしてメンバー１１０に提示するために、代理１０４に推奨され得るかを決定するために、機械学習アルゴリズムまたは他の人工知能を使用して、ユーザデータストア２１０からの識別されたタスクとメンバープロファイルとを処理し得る。

[0086]一実施形態では、タスク作成サブシステム２０２は、掲げた目標に対応する特定のプロジェクトのためのタスクの異なるグルーピングを生成することができる。タスクの各グルーピングは、掲げた目標を達成するための特定の方法に対応し得る。たとえば、メンバー１１０の掲げた目標が来年、マラソンを走ることである場合、タスク作成サブシステム２０２は、来年、マラソンを走るためにメンバー１１０をトレーニングするために実施され得る異なるトレーニングプランに関するタスクの異なるグルーピングを（機械学習アルゴリズム／人工知能、リソースライブラリ２２０からの情報、および／またはサードパーティリソース１２６からの情報の使用などを通して）識別し得る。タスクの異なるグルーピングは、それらのソースに基づいて生成され得る。たとえば、タスクのグルーピングは、サードパーティリソース１２６からの情報を使用して生成されたタスクに対応することがあるが、タスクの異なるグルーピングは、代理１０４によって手動で生成されたタスクに対応することがある。さらに、タスクの無数のグルーピングは、リソースライブラリ２２０から、サードパーティリソース１２６から、代理１０４から、および／またはタスク促進サービスの同様の状況にあるメンバーの同様の目標に関連付けられたタスクをレビューすることから識別された異なる方法に基づいて生成され得る。

[0087]タスク推奨システム１０６は、タスクランキングサブシステム２０６をさらに備えることがあり、これは、掲げた目標に関連付けられたプロジェクトの完了について、代理１０４および／またはタスク作成サブシステム２０２によって生成されたタスクのセットをランク付けするように構成され得る。タスクランキングサブシステム２０６は、コンピュータシステムを使用して、またはタスク推奨システム１０６のコンピュータシステム上に実装されるアプリケーションもしくは他の実施可能コードとして実装され得る。タスクランキングサブシステム２０６は、掲げた目標を達成するために識別された異なる方法に対応するタスクの異なるグルーピングをランク付けすることがある。このランク付けは、掲げた目標を達成するためのタスクの特定のグルーピング（たとえば、特定の方法またはプラン）をメンバー１１０が選択する尤度に基づいて生成され得る。

[0088]一実施形態では、タスクランキングサブシステム２０６は、メンバー１１０に推奨され得るタスクのグルーピングのランク付けされたリストをタスク選択サブシステム２０４に提供する。タスク選択サブシステム２０４は、コンピュータシステムを使用して、またはタスク推奨システム１０６のコンピュータシステム上に実装されるアプリケーションもしくは他の実施可能コードとして実装され得る。タスク選択サブシステム２０４は、タスクのグルーピングのランク付けされたリストから、掲げた目標を達成するための異なる方法に対応するタスクのどのグルーピングが、代理１０４によってメンバー１１０に推奨され得るかを選択するように構成され得る。たとえば、タスク促進サービスによって提供されるアプリケーションまたはウェブポータルが、タスクのグルーピングのランク付けされたリストから限られた数のタスク推奨をメンバー１１０に提示するように構成されている場合、タスク選択サブシステム２０４は、どのグルーピング推奨がメンバー１１０に提示されるべきかを決定するために、ランク付けされたリストとユーザデータストア２１０からのメンバーのプロフィールとを処理し得る。いくつかの事例では、タスク選択サブシステム２０４によって行われる選択は、リスト内のタスクのグルーピングのランク付けに対応し得る。代替的に、タスク選択サブシステム２０４は、タスクのどのグルーピングがメンバー１１０に推奨され得るかを決定するために、タスクのグルーピングのランク付けされたリストと、メンバーのプロファイルおよびメンバーの既存のタスク（たとえば、進行中のタスク、メンバー１１０によって受諾されたタスクなど）とを処理し得る。

[0089]タスク選択サブシステム２０４は、掲げた目標に関連付けられたプロジェクトのためにメンバー１１０に推奨され得るタスクの異なるグルーピングのリストを代理１０４に提供し得る。代理１０４は、タスクのどのグルーピングが、タスク促進サービスによって提供されるアプリケーションまたはウェブポータルを介してメンバー１１０に提示され得るかを決定するために、このリストをレビューし得る。たとえば、代理１０４は、掲げた目標に関連付けられたプロジェクトを完了するための提案オプションとしてメンバー１１０に提示するために、タスク選択サブシステム２０４によって推奨されたタスクのグルーピングをレビューし、これらのグルーピングのうちの１つまたは複数を選択することがある。いくつかの事例では、タスクの１つまたは複数のグルーピングは、タスクランキングサブシステム２０６によって生成され、タスク選択サブシステム２０４によって改良されたランク付けに従ってメンバー１１０に提示され得る。代替的に、タスクの１つまたは複数のグルーピングは、メンバー自身の好みについての代理の理解に従って提示され得る。特定の目標に関連付けられたインターフェースを通して、メンバー１１０は、掲げた目標に関連付けられたプロジェクトを完了するために実施され得るタスクのグルーピングを選択し得る。

[0090]一実施形態では、代理１０４は、タスク選択サブシステム２０４から提供されたタスクのグルーピングのリストをレビューし、目標に関連付けられたプロジェクトの完了のためのメンバー１１０への提案に含まれる１つまたは複数の提案オプションを作成するために使用され得るタスクの１つまたは複数のグルーピングを選択することができる。図７に関して本明細書でより詳細に説明されるように、代理１０４は、掲げた目標を達成するための提案を生成することができ、それによって、提案は、とりわけ、目標が達成され得る異なる方法のためのオプションのリストを提供し得る。提案は、１つまたは複数の提案オプションを含むことがあり、ここにおいて、提案オプションは、所与の時間枠内で掲げた目標を達成するために実施され得るタスクのグルーピングを含み得る。提案における様々なオプションは、タスク促進サービスによって提供されるウェブポータルまたはアプリケーションを介して提示される特定の目標に対応するインターフェースを通してメンバー１１０に提示され得る。提案における提示された様々なオプションに対するメンバーの応答に基づいて、代理１０４は、特定の目標に対応するプロジェクトインターフェースを介して、選択されたオプションに関連付けられたタスクを提示することがあり、それを通して、メンバー１１０は、目標に対応するプロジェクトと、特定のプロジェクトに対する選択された提案オプションに対応するタスクとをレビューすることがある。

[0091]一実施形態では、タスク選択サブシステム２０４は、掲げた目標に関連付けられたプロジェクトのためのタスクの異なるグルーピングに対応する提案オプションのメンバー選択に関するデータを収集するために、メンバー１１０と代理１０４との間の通信セッションを監視する。たとえば、タスク選択サブシステム２０４は、タスクの各グルーピングに対応する極性または感情を決定するために、特定の目標に対応する通信セッションを介して代理１０４によってメンバー１１０に提示されたタスクのグルーピングに対応するメッセージを処理し得る。たとえば、メンバー１１０が、代理１０４へのメッセージにおいて、各タスクに対して有意な時間量（たとえば、１時間を上回るなど）を割り振ることをメンバー１１０に要求するタスクのグルーピングに対応するいかなる推奨も受信しないことを好むことを示す場合、タスク選択サブシステム２０４は、負の極性または感情を、完了すべき有意な時間量を要求するタスクを含むタスクのグルーピングに帰することがある。代替的に、メンバー１１０が、目標を達成するためのタスクのグルーピングに対応する提案オプションを選択し、および／または、タスクのこのグルーピングの推奨が素晴らしいアイデアであったことを代理１０４へのメッセージ内に示す場合、タスク選択サブシステム２０４は、正の極性または感情をタスクのこのグルーピングに帰することがある。一実施形態では、タスク選択サブシステム２０４は、タスクランキングサブシステム２０６によって利用される機械学習アルゴリズムまたは人工知能をさらにトレーニングまたは強化して、メンバー１１０およびタスク促進サービスの他の同様の立場にあるメンバーに提示することができるタスク推奨を生成するために、メンバー１１０に推奨されるタスクのグルーピングに対するこれらの応答を使用することができる。さらに、タスク選択サブシステム２０４は、代理１０４によって推奨されたタスクのグルーピングからのメンバーのタスクのグルーピングの選択、および／または代理１０４によって推奨されたタスクのグルーピングに関する感情に基づいて、メンバーの好みと既知の行動特性とを更新するために、ユーザデータストア２１０内のメンバー１１０に関連付けられたメンバープロファイルを更新し得る。

[0092]図３は、少なくとも１つの実施形態による、特定のメンバーの目標に関連付けられた新しいプロジェクトおよびタスクが、タスクのランキングに基づいてタスク促進サービス１０２に関連付けられた代理１０４によってメンバー１１０に提供される環境３００の例示的な例を示す。上述のように、タスク推奨システム１０６は、メンバー１１０に提示され得る特定の目標に関連付けられたプロジェクトを完了するための異なる提案オプションを生成するために、代理１０４によって使用され得るタスクグルーピングのランク付けされたリストを生成することができる。代替的に、タスク推奨システム１０６は、タスクグルーピングのランク付けされたリストから、掲げた目標に関連付けられたプロジェクトの完了のためにメンバー１１０に提示され得る１つまたは複数のタスクグルーピングを自動的に選択し得る。

[0093]上述のように、タスク推奨システム１０６は、メンバー１１０によって定義された特定の目標を達成するために、メンバー１１０、代理１０４、および／またはタスク促進サービス１０２に関連付けられたサードパーティサービスもしくは他のサービス／エンティティによって実施され得る異なる方法に対応する異なるタスクグルーピングを生成し得る。代理１０４は、目標を達成するために所定の時間枠内で実施され得るタスクのセットを含むプロジェクトを動的におよびリアルタイムで生成するために、メンバー１１０によって定義された特定の目標に関してメンバー１１０から得られた情報をタスク推奨システム１０６に提供し得る。一実施形態では、タスク推奨システム１０６は、目標を達成するためにプロジェクトが定義され得る目標を識別するために、メンバー１１０と代理１０４との間のメッセージが交換されているときに自動的におよびリアルタイムでそれらのメッセージを処理することができる。たとえば、タスク推奨システム１０６は、メンバー１１０からの交換されたメッセージまたは他の通信を評価して、メンバー１１０が達成したい任意の目標を識別するために、ＮＬＰまたは他の人工知能を利用し得る。いくつかの事例では、タスク推奨システム１０６は、可能な目標を識別するようにＮＬＰまたは他の人工知能をトレーニングするために、同様の状況にあるメンバーについて以前に識別された目標に対応する履歴データと、ユーザデータストア２１０からのこれらのメンバーからの対応するメッセージとを利用し得る。

[0094]一実施形態では、タスク推奨システム１０６が、メンバー１１０と代理１０４との間のメッセージのリアルタイム処理に基づいて、メンバー１１０が達成することを望み得る１つまたは複数の目標を識別する場合、タスク推奨システム１０６は、タスク促進サービス１０２によって代理１０４に提供されるアプリケーションまたはウェブポータルを通して、これらの識別された１つまたは複数の目標を代理１０４に提示し得る。代理１０４は、識別された１つまたは複数の目標をレビューし、これらの目標のうちのどれがメンバー１１０に提示されるべきかを決定することがある。たとえば、メンバー１１０の代理の知識に基づいて、代理１０４は、メンバー１１０にとって魅力的であり得る１つまたは複数の目標を選択し得る。いくつかの事例では、様々な目標でメンバー１１０を圧倒しないために、代理１０４は、メンバー１１０に提示され得るタスク推奨システム１０６によって提供される目標のサブセットを選択し得る。メンバー１１０が追求したい特定の目標を選択した場合、代理１０４は、この目標を達成する際にメンバー１１０を支援することができることを示すことがある。

[0095]上述のように、タスク推奨システム１０６は、ユーザ（たとえば、メンバー１１０、代理１０４など）に、メンバー１１０が達成したい特定の目標に対応する新しいプロジェクトを生成するために使用され得る様々なテンプレートを提供し得る。たとえば、タスク推奨システム１０６は、リソースライブラリ２２０内に、異なる目標タイプまたはカテゴリのためのプロジェクトテンプレートを維持し得る。各プロジェクトテンプレートは、プロジェクトを定義するための異なるデータフィールドを含むことがあり、それによって、異なるデータフィールドは、定義されているプロジェクトのための目標タイプまたはカテゴリに対応し得る。代理１０４は、タスク推奨システム１０６にサブミットされ得るプロジェクトを定義するために、これらの異なるデータフィールドを介して目標情報を提供することがある。いくつかの事例では、タスク作成サブシステム２０２は、上述のように、メンバー１１０に関連付けられたメンバープロファイルに提供された情報に基づいて、選択されたプロジェクト生成テンプレートから１つまたは複数のデータフィールドを自動的に埋めることができる。

[0096]いくつかの事例では、メンバー１１０は、タスク推奨システム１０６を介して新しいプロジェクトを手動で生成することができる。たとえば、メンバー１１０が、達成したい目標であって、そのために代理１０４およびタスク促進サービス１０２から支援を受けたい目標を有すると決定した場合、メンバー１１０は、メンバー１１０によって使用され得るテンプレートを取得して、目標に対応する新しいプロジェクトを定義するために、タスク促進サービス１０２によって提供されるインターフェースを介して、リソースライブラリ２２０にアクセスし得る。メンバー１１０が目標のための新しいプロジェクトを定義すると、タスク推奨システム１０６は、メンバー１１０が達成したい目標に対応する新しいプロジェクトをメンバー１１０が定義したことを示す通知を代理１０４に送信することがある。これは、代理１０４に、新しいプロジェクトを評価することと、目標を達成するためにプロジェクトに追加され得る１つまたは複数のタスクを生成するように進むこととを行わせ得る。

[0097]タスク推奨システム１０６は、代理１０４が、目標に対応する新たに作成されたプロジェクトのための１つまたは複数のタスクを生成することを可能にすることがあり、そのタスクは、特定の目標のためにタスク促進サービス１０２によって促進されるメンバー１１０と代理１０４との間の通信セッションを介してメンバーに提示され得る。たとえば、代理１０４は、各タスクの名前、タスクの任意の既知のパラメータ（たとえば、時間枠、実施されるタスク動作など）などを提供することがある。所与のタスクについて、代理１０４は、タスクの完了に必要な推定時間量を示し得る。さらに、代理１０４は、目標を達成するための時間枠全体に従って、タスクの完了のために割り当てられた時間量を示し得る。たとえば、目標を達成するための時間枠が１２ヶ月である場合、代理１０４は、掲げた１２ヶ月の時間枠内で目標を達成するためにメンバー１１０が軌道に乗るように、タスクの完了のための具体的な日付を示し得る。

[0098]上述のように、タスク推奨システム１０６は、掲げた目標を達成するためにプロジェクトに追加され得るタスクを自動的に生成することもある。たとえば、タスク推奨システム１０６は、メンバーの目標を達成するために実施され得るタスクを識別するために、目標と、ユーザデータストア２１０からのメンバー１１０に対応する情報（たとえば、メンバープロファイル）と、目標に対応する履歴データおよびユーザデータストア２１０からの同様の状況にあるメンバーによって実施された対応するタスクとを、機械学習アルゴリズムまたは人工知能への入力として使用し得る。目標の特性と、メンバー１１０の特性と、これらの同様の状況にあるメンバーに対応するデータとに基づいて、タスク推奨システム１０６は、目標を達成するために掲げた時間枠内で実施され得るタスクを自動的に生成し得る。

[0099]いくつかの事例では、タスク推奨システム１０６は、新しい目標を達成するために実施され得る可能なタスクを識別するために、リソースライブラリ２２０および／または１つもしくは複数のサードパーティリソース１２６に自動的に問い合わせることができる。上述のように、タスク促進サービス１０２は、異なる目標カテゴリに関連付けられ得る異なる趣味または関心に関係する情報を提供するかまたは場合によっては集約する様々な組織と提携し得る。これらの１つまたは複数のサードパーティリソース１２６から、タスク推奨システム１０６は、掲げた目標を達成するために実装され得る、既知の処方、学習プラン、クラスなどを識別し得る。いくつかの事例では、タスク推奨システム１０６は、類似の目標に関連付けられた任意のサードパーティリソース１２６および／または以前に識別された処方、学習プラン、クラスなどを識別するために、リソースライブラリ２２０に問い合わせることがある。タスク推奨システム１０６は、メンバー１１０、代理１０４、および／またはタスク促進サービス１０２に関連付けられたサードパーティサービスもしくは他のサービス／エンティティによって実施され得る個々のタスクを生成して、所望の時間枠内で掲げた目標を達成するために、リソースライブラリ２２０および／または１つもしくは複数のサードパーティリソース１２６からのこの情報を自動的に処理し得る。いくつかの事例では、これらの個々のタスクは、目標を達成するために実装され得る異なる方法に従って、タスクグルーピングにグルーピングされ得る。たとえば、タスク推奨システム１０６が、同じ目標を達成するために実施され得る様々な方法を識別する場合、タスク推奨システム１０６は、各利用可能な方法に対応するタスクを自動的に生成し、その方法に対応するタスクグルーピングにこれらのタスクをグルーピングし得る。

[0100]上述のように、タスク推奨システム１０６はまた、代理１０４が新しいプロジェクトのためのタスクを手動で生成することを可能にし得る。たとえば、タスク推奨システム１０６は、代理１０４にインターフェースを提供することがあり、このインターフェースを通して、代理１０４は、特定の目標についてメンバー１１０と代理１０４との間に確立された通信セッションを介してメンバーに提示され得る新しいプロジェクトに関する１つまたは複数のタスクを生成することがある。さらに、タスク推奨システム１０６は、代理１０４がリソースライブラリ２２０およびこれらのサードパーティリソース１２６に問い合わせて、掲げた目標を達成するために新しいプロジェクトに追加され得る可能なタスクを識別することを可能にするために、リソースライブラリ２２０およびサードパーティリソース１２６へのアクセスを代理１０４に提供することができる。リソースライブラリ２２０およびこれらのサードパーティリソース１２６の代理のレビューに基づいて、代理１０４は、掲げた目標を達成するために、これらのサードパーティリソース１２６によって提供される任意のトレーニングプランまたは他の情報に対応するタスクのセットを手動で生成し得る。さらに、リソースライブラリ２２０とこれらのサードパーティリソース１２６とを使用して、代理１０４は、掲げた目標が達成されたかどうかのインジケータとして機能し得る、掲げた目標に対応する新しいプロジェクトのための最終タスクを識別し得る。

[0101]タスク推奨システム１０６は、上述のように、特定のプロジェクトについて識別された様々なタスクグルーピングのランク付けを提供することもある。たとえば、タスク推奨システム１０６は、メンバー１１０が掲げた目標を達成するために特定のタスクグルーピングを選択する尤度に基づいて、目標を達成するために識別される異なる方法に対応する異なるタスクグルーピングをランク付けし得る。タスク推奨システム１０６は、タスクグルーピングのランク付けされたリストから、代理１０４によってメンバー１１０に推奨され得る１つまたは複数のタスクグルーピング（たとえば、目標を達成するための方法）を選択し得る。いくつかの事例では、タスク推奨システム１０６によって行われた選択は、リスト内のタスクグルーピングのランク付けに対応し得る。代替的に、タスク推奨システム１０６は、どのタスクグルーピングがメンバー１１０に推奨され得るかを決定するために、タスクグルーピングのグルーピングのランク付けされたリストと、メンバー１１０に関連付けられたメンバープロファイルおよびユーザデータストア２１０からのメンバーの既存のタスクとを処理し得る。

[0102]上述のように、タスク推奨システム１０６は、掲げた目標に関連付けられたプロジェクトについてメンバー１１０に推奨され得る異なるタスクグルーピングのリストを代理１０４に提供し得る。代理１０４は、どのタスクグルーピングが、タスク促進サービス１０２によって提供されるアプリケーションまたはウェブポータルを介してメンバー１１０に提示され得るかを決定するために、このリストをレビューし得る。いくつかの事例では、１つまたは複数のタスクグルーピングは、タスク推奨システム１０６によって生成されたランク付けに従ってメンバー１１０に提示され得る。代替的に、１つまたは複数のタスクグルーピングは、メンバー自身の好みについての代理の理解に従って提示され得る。特定の目標に関連付けられたインターフェースを通して、メンバー１１０は、掲げた目標に関連付けられたプロジェクトを完了するために実施され得るタスクグルーピングを選択し得る。本明細書でより詳細に説明されるように、異なるタスクグルーピングは、代理１０４によって生成された提案内に提示されることがあり、それによって、メンバー１１０に提示するために選択された各タスクグルーピングは、提案内の対応する提案オプションとして提示され得る。さらに、提案オプションは、タスク推奨システム１０６によって提供されるランク付けに従って、または代理１０４によって決定されるように提示され得る。

[0103]一実施形態では、プロジェクトのための１つまたは複数のタスクグルーピングの代理の手動選択と、これらの１つまたは複数のタスクグルーピングの提示に関係するメンバーフィードバックとが、同様の目標についておよび／または同様の状況にあるメンバーについて利用可能なタスクグルーピングをランク付けするのに使用される機械学習アルゴリズムまたは人工知能をさらにトレーニングするために、ユーザデータストア２１０に記録され、タスク推奨システム１０６によって使用され得る。例示的な例として、代理１０４が、タスク推奨システム１０６によって決定された比較的低いランキングを有する特定のタスクグルーピング（たとえば、目標を達成するための方法）を選択し、メンバー１１０がこの特定のタスクグルーピングに肯定的に応答する（たとえば、メンバー１１０がプロジェクトのタスクグルーピングに対応する提案オプションを選択し、メンバー１１０がタスクグルーピングに対する肯定的な反応を示すフィードバックを提供するなど）場合、タスク推奨システム１０６は、同様の目標および同様の状況にあるメンバーのタスクグルーピングをより正確にランク付けするように機械学習アルゴリズムまたは人工知能をトレーニングするために、このデータを使用し得る。

[0104]一実施形態では、タスク推奨システム１０６は、掲げた目標に関連付けられたプロジェクトを完了するための提案とともに提示される様々な提案オプションとのメンバーの対話に基づいて、異なる目標に対するタスクグルーピングをランク付けするのに使用される機械学習アルゴリズムまたは人工知能をさらにトレーニングすることができる。たとえば、メンバー１１０が、目標を達成するためのタスクグルーピングに対応する特定の提案オプションを完全に拒絶した場合、タスク推奨システム１０６は、この提案オプションのメンバーの拒絶を、ユーザデータストア２１０に記憶されたメンバープロファイル内に記録することがある。タスク推奨システム１０６は、同様のタスクグルーピングが同様の目標および／または同様の状況にあるメンバーに対して高くランク付けされる可能性が低くなるように、同様の目標および／または同様の状況にあるメンバーに対して異なるタスクグルーピングをランク付けするのに使用される機械学習アルゴリズムまたは人工知能をさらにトレーニングするために、この拒絶を使用し得る。さらに、メンバー１１０がタスクグルーピングに対応する提示された提案オプションを拒絶した場合、代理１０４またはタスク推奨システム１０６は、提案オプションを拒絶する決定に関してメンバー１１０にフィードバックを要請することができる。提示された提案および対応する提案オプションと、メンバープロファイルと、メンバー１１０によって提供される任意のフィードバックとは、機械学習アルゴリズムまたは人工知能をさらにトレーニングし、同様の目標および／または肯定的に受信される可能性がより高い同様の状況にあるメンバーについてのタスクグルーピングを提供するために、機械学習アルゴリズムまたは人工知能を使用して処理され得る。

[0105]図４は、少なくとも１つの実施形態による、タスク促進サービスのインターフェースを介してメンバーに提示されるメンバー目標を達成するために実施可能な対応するタスク４０８－１～４０８－３のセットを含むプロジェクト４００の例示的な例を示す。プロジェクト４００は、メンバーが、プロジェクト４００がそれを提示されている特定の目標を達成するために実施され得る様々なタスク４０８－１～４０８－３のパラメータを決定することを可能にする様々な要素を含むことができる。たとえば、図４に示されているように、プロジェクト４００は、プロジェクト４００の説明タイトル４０２（たとえば、「マラソンの準備」）を含むことができる。説明タイトル４０２は、特定の目標に関連付けられたプロジェクト４００に対応するテンプレートを生成するとき、メンバー、代理、またはタスク推奨システムによって生成され得る。たとえば、メンバーまたは代理は、メンバーが達成することを望む目標に対応し得る新しいプロジェクトを手動で生成するためにタスク促進サービスによって提供されるインターフェースにアクセスし得る。インターフェースを通して、メンバーまたは代理は、プロジェクト４００のための新しい説明タイトル４０２を提供するように促進され得る。

[0106]一実施形態では、タスク推奨システムは、プロジェクト４００の説明タイトル４０２を生成するために、機械学習アルゴリズムまたは人工知能を使用することができる。たとえば、タスク推奨システムは、プロジェクト４００の説明タイトル４０２を決定するために、入力として、メンバーおよび／または代理によって提供される情報（たとえば、メンバーおよび／または代理によって手動で提供される情報、特定の目標のためにメンバーと代理との間で交換されるメッセージなど）と、これらのメンバーに提供される履歴プロジェクト／目標に関係するタスク促進サービスのメンバーからの何らかのフィードバックとを使用し得る。機械学習アルゴリズムまたは人工知能は、教師ありトレーニング技法を使用してトレーニングされ得る。たとえば、プロジェクトと、対応する説明タイトルと、説明タイトルおよびプロジェクトに関係するフィードバックとのデータセットが、機械学習アルゴリズムまたは人工知能のトレーニングのために選択され得る。機械学習アルゴリズムまたは人工知能は、機械学習アルゴリズムまたは人工知能に供給されたサンプル入力に基づいて、機械学習アルゴリズムまたは人工知能が、様々な目標に対応するプロジェクトのために正確な説明タイトルを生成しているかどうかを決定するために評価され得る。この評価に基づいて、機械学習アルゴリズムまたは人口知能が所望の結果を生成する尤度を増加させるために、機械学習アルゴリズムまたは人口知能が修正され得る。機械学習アルゴリズムまたは人工知能はさらに、目標に関連付けられた各プロジェクトのために機械学習アルゴリズムまたは人工知能によって提供される説明タイトルに関して、メンバーおよび代理にフィードバックを要請することによって、動的にトレーニングされ得る。たとえば、提示されたプロジェクトの説明タイトルが、達成されるべき基礎をなす目標に正確に対応しないように代理またはメンバーには思われることを示す場合、機械学習アルゴリズムまたは人工知能は、このフィードバックを使用して、正確な説明タイトルが機械学習アルゴリズムまたは人工知能によって生成される尤度を増加させるように修正され得る。

[0107]一実施形態では、メッセージがメンバーと代理との間で交換されるとき、タスク推奨システムが、メンバーによって指定された目標を自動的におよびリアルタイムで識別した場合、タスク推奨システムは、この新しい目標を示した１つまたは複数のメッセージに基づいて、新しいプロジェクト４００を自動的に生成し、説明タイトル４０２を提供することができる。いくつかの事例では、タスク推奨システムは、識別された目標に関連付けられた提案される説明タイトルおよび対応するメッセージを代理に提供し得る。これにより、代理は、提案される説明タイトルがプロジェクト４００にとって許容できるかどうか、または異なる説明タイトルがプロジェクト４００のために使用されるべきかどうかを決定するために、提案される説明タイトルおよび対応するメッセージをレビューすることが可能になり得る。代理のレビューに基づいて、タスク推奨システムは、上記で説明された機械学習アルゴリズムまたは人工知能によって正確な説明タイトルが生成される尤度を増加させるように、機械学習アルゴリズムまたは人工知能を更新し得る。

[0108]メンバーに提示されるプロジェクト４００は、プロジェクトウィンドウ４０４内に、対応する目標を達成するためにメンバーに提示されているプロジェクト４００に関係する短い説明４０６をさらに含み得る。短い説明４０６は、それがタスク促進サービスのメンバーにとって容易に消化できるように生成され得る。たとえば、短い説明４０６は、プロジェクト４００の終わりに達成されるべき目標の説明を提供する単一の文に制限され得る。追加的にまたは代替的に、短い説明４０６は、メンバーがプロジェクト４００の範囲を迅速に決定することを可能にするために設定数の文字（たとえば、１００文字など）に制限され得る。短い説明４０６は、代理によって、達成されるべき目標の彼らの知識に基づいて提供され得る。たとえば、代理は、特定の目標についてメンバーによって提供された情報をレビューし、この情報に基づいて特定の目標の概要を生成し得る。この概要は、短い説明４０６の形式で特定のプロジェクトのテンプレートに含まれ得る。したがって、プロジェクト４００が提示されるとき、タスク推奨システムまたは代理は、テンプレートからプロジェクト４００にこの短い説明４０６を挿入し得る。

[0109]説明タイトル４０２の作成と同様に、タスク促進サービスは、入力として、メンバーおよび／または代理によって提供される情報と、メンバーに提供される履歴プロジェクト／目標に関係するタスク促進サービスのこれらのメンバーからの何らかのフィードバックとを使用することによって短い説明４０６を生成するために、機械学習アルゴリズムまたは人工知能を使用することができる。出力として、機械学習アルゴリズムまたは人工知能は、メンバーに提示されるときに対応するプロジェクト４００とともに提供されるべき短い説明４０６を提供することができる。短い説明４０６は、メンバーにとって関係性があり得る追加の情報を含み得る。たとえば、プロジェクト４００が来年にマラソンを走るという目標に対応する場合、短い説明４０６は、メンバーがプロジェクト４００の範囲および対応する目標を容易に決定することを可能にするために、目標のパラメータ（たとえば、時間枠など）を示し得る。

[0110]プロジェクト４００は、プロジェクト４００に関連付けられ得る、および基礎をなす目標を達成するために実施され得る１つまたは複数のタスク４０８－１～４０８－３をさらに指定し得る。プロジェクト４００のプロジェクトウィンドウ４０４を介して提示される１つまたは複数のタスク４０８－１～４０８－３は、選択された提案オプションに対応し得る。上述のように、メンバーが、掲げた目標を達成するために、メンバーに提示された提案から、メンバー、代理、および／またはタスク促進サービスに関連付けられた１つもしくは複数のサードパーティサービスもしくは他のサービス／エンティティによって実施可能なタスクのセットを含む特定の提案オプションを選択した場合、タスク促進サービスのタスク調整システムは、掲げた目標を達成するために実施されるべき１つまたは複数のタスクを含む掲げた目標のためのプロジェクト４００を提供し得る。一実施形態では、プロジェクト４００のために提示されるタスクの数は、メンバーの既知の特性（たとえば、異なるプロジェクトまたはタスクに要求される詳細のレベルに関するメンバー選好、メンバーに表示されるべきタスクの所定の数など）に基づいて決定され得る。たとえば、来年のマラソントレーニングに対応するプロジェクト４００が、来年の週当たり３つのタスクを含む場合、タスク調整システムは、メンバーの既知の特性に基づいて、これらのタスクのうちのいくつが任意の所与の時間にインターフェースを介して表示され得るかを決定し得る。別の例として、プロジェクトウィンドウ４０４内に提示されるタスクの数は、各プロジェクトについてメンバーに提示可能である全体的なタスクの最大数に対応し得る。たとえば、プロジェクトの提示がメンバーに対して特定の数のタスクに制限される場合、プロジェクトウィンドウ４０４は、この数のタスクを含むように更新され得る。しかしながら、メンバーは、それが望ましい場合、プロジェクト４００に関係するすべてのタスクをレビューするオプションを提示され得る。

[0111]いくつかの事例では、プロジェクトウィンドウ４０４中に提示されるタスク４０８－１～４０８－３は、これらのタスクが実施されるべき順序付けに従って順序付けられ得る。たとえば、図４に示されているように、メンバーが最初に実施するべき第１のタスク４０８－１は、このタスク４０８－１が最初に実施されるべきことを示すために、タスクのリストの最上位に提示され得る。後続のタスク４０８－２および４０８－３は、第１のタスク４０８－１が完了した後にこれらのタスクが実施されるべき順序で提示され得る。これらのタスク４０８－１～４０８－３の順序付けは、示された時間枠内で基礎をなす目標を達成するために実装される方法またはプランに対応し得る。タスクが完了したとき、このタスクはプロジェクト４００から除去され得、残りのタスクは、実施されるべき次のタスクがプロジェクトウィンドウ４０４を介してタスクのリストの最上位に提示されるように、順序付けを上に移動され得る。上述のように、タスク調整システムは、タスクが完了したというグラフィック表示を提供するために、プロジェクトウィンドウ４０４を更新し得る。たとえば、タスク調整システムは、完了したタスクを、完了したタスクに対応するプロジェクトウィンドウ４０４のセクション（たとえば、プロジェクトウィンドウ４０４の「やるべきことの完了」セクション（図示せず）など）に移動させることがある。

[0112]各タスク４０８－１～４０８－３は、タスクを実施するためにメンバー、代理、またはサードパーティサービスによって必要とされる予想時間と、タスクを実施し完了するための割り当てられた時間またはデッドラインとを決定するためにメンバーによって使用され得る追加の情報を提供し得る。たとえば、図４に示されているように、タスクは、タスクの実施に必要な予想時間に対応し得るタスク持続時間４１０を示し得る。図４に示されているように、インターバルトレーニングに続いて１マイルランニングを実施するタスクをメンバーに提供するタスク４０８－１は、タスク持続時間４１０として、タスク４０８－１を完了するためにメンバーが１時間を要し得ることを指定し得る。これにより、メンバーは、特定のタスクを実施するために所与の日にこの時間量を割り振ることが可能になり得る。

[0113]タスク持続時間４１０を提供することに加えて、プロジェクトウィンドウ４０４中に提示される各タスクは、対応するタスクの完了のデッドライン４１２を示し得る。たとえば、タスク４０８－１では、メンバーは、タスクを完了するために２０２１年３月４日のデッドラインを提供され得る。これにより、掲げたタスクを実施するために最も良い時間を決定するフレキシビリティがメンバーに提供され得る。各タスクのデッドライン４１２は、目標を達成するために指定された時間枠に従ってプロジェクト４００を完了するためのパラメータに基づいて決定され得る。したがって、掲げた目標が所定の時間枠内で達成されるために、プロジェクト４００に関連付けられた各タスク４０８－１～４０８－３は、掲げた目標を達成することに向かって必要な進捗が行われていることを確実にするために、それぞれのデッドライン４１２または他の時間的制限に従って実施される必要があり得る。

[0114]上述のように、タスク調整システムは、プロジェクト４００の現在のタスクが実施されたか、または実施されている最中であるかを決定するために、現在のタスクに固有の通信セッションを通してメンバーと代理との間でメッセージが交換されるとき、メッセージをリアルタイムで処理し得る。タスクがサードパーティサービスによって実施されている場合、タスク調整システムは、タスクの実施に関してサードパーティサービスによって提供される任意の情報を記録し得る。プロジェクト４００に関する現在のタスクが完了した場合、タスク調整システムは、タスクが完了したことを示し、掲げた目標を達成するために実施されるべき次のタスクを、メンバー、代理、および／または１つもしくは複数のサードパーティサービスによって実施されるべき現在のタスクとして提示するように、プロジェクト４００を更新し得る。このプロセスは、プロジェクト４００に関連付けられたタスクが完了し、掲げた目標が達成されたと推定されるまで継続し得る。さらに、上述のように、タスク調整システムが、現在のタスクがタスクに割り当てられた時間内に完了していないと決定した場合、タスク調整システムは、掲げた目標が、目標に対して定義された元の時間枠内で依然として達成され得るかどうかを決定し得る。たとえば、タスク調整システムは、これらのタスクが、目標を達成するための時間枠全体に影響を及ぼすことなく、現在のタスクの完了のためにより多くの時間を提供するようにシフトされ得るかどうかを決定するために、プロジェクト４００のタスクの残りのセットを自動的にレビューし得る。タスク調整システムが、現在のタスクの完了のためにより多くの時間を提供するように、タスクの残りのセットがシフトされ得ると決定した場合、タスク調整システムは、タスクの完了のための新しいデッドライン４１２を提供するために、現在のタスク４０８－１～４０８－３を自動的および動的に更新し得る。これにより、タスクを実施するメンバー、代理、および／またはサードパーティサービスに、タスクを完了するためのより多くの時間が提供され得る。プロジェクト４００に関連付けられた任意の他のタスクも、必要な場合、それに応じてシフトされ得る。

[0115]図５は、少なくとも１つの実施形態による、タスク促進サービスのインターフェースを介してメンバーに提示されるメンバーの目標を達成するために実施可能な対応するタスクのセットを含む別のプロジェクト５００の例示的な例を示す。プロジェクト５００は、図４に示されたプロジェクト４００に関して上記で説明されたものと同様の要素を含み得る。たとえば、プロジェクト５００は、説明タイトルと、プロジェクト５００がそのために作成された目標の短い説明と、目標を達成しプロジェクト５００を完了するために実施され得るタスクの対応するセットとを含み得る。プロジェクト５００に関連付けられた各タスクは、タスクの完了に必要な推定時間量と、タスクの実施のデッドラインとを示し得る。

[0116]図５に示されているように、プロジェクト５００は、１５週間のスパンでプエルトリコ料理をどのように調理するかを学習することに関係する目標に対応し得る。この目標を達成するために、メンバーは、様々なプエルトリコ料理をどのように準備するかを学習するために料理学校または地元のコミュニティカレッジのクラスに参加することを要求され得る。したがって、プロジェクト５００に関連付けられた各タスクは、タスクを完了するためにメンバーが参加するように要求され得る料理学校または地元のコミュニティカレッジの個々のクラスに対応し得る。さらに、プロジェクト５００を介して提示される各タスクは、タスクが実施されるべきロケーション（たとえば、料理クラスが行われているカルバンコミュニティカレッジ）を示し得る。

[0117]図６は、少なくとも１つの実施形態による、タスク促進サービスのインターフェースを介してメンバーに提示されるメンバーの目標を達成するために実施可能な対応するタスクのセットを含む別のプロジェクト６００の例示的な例を示す。それぞれ、図４および図５に関して上記で説明されたプロジェクト４００および５００と同様に、プロジェクト６００は、説明タイトルと、プロジェクト６００がそのために作成された目標の短い説明と、目標を達成しプロジェクト６００を完了するために実施され得るタスクの対応するセットとを含み得る。プロジェクト６００に関連付けられた各タスクは、タスクの完了に必要な推定時間量と、タスクの実施のデッドラインとを示し得る。

[0118]図６に示されているように、プロジェクト６００は、カンクンへの旅行を見越して次の５ヶ月にわたって特定の量の体重を減量することに関係する目標に対応し得る。この特定の目標を達成するために、メンバーは、食事プランを取得し、この食事プランを彼らの割り当てられた代理および／またはタスク促進サービスに提供するために、栄養士を訪問することに関係するタスクを提示され得る。代理および／またはタスク促進サービスは、プロジェクト６００に関連付けられたより後のタスクに関してメンバーの進捗を監視するために、この食事プランを使用し得る。たとえば、食事プランに従って毎日の食事を準備することに関係する特定のタスクでは、代理は、これらの毎日の食事を準備するためにどんな成分が要求され得るかに関してメンバーを案内し、メンバーがこれらの毎日の食事のために必要な食料雑貨および他の供給物を有することを確実にするためにメンバーと調整し得る。

[0119]図７は、少なくとも１つの実施形態による、タスク調整システム１０８が、代理１０４および／またはメンバー１１０による特定の目標に関連付けられたタスクの実施を割り当て監視する環境７００の例示的な例を示す。環境７００において、代理１０４は、特定の目標を達成するために実施され得る様々なタスクグルーピングのための提案を生成するために、タスク調整システム１０８の提案作成サブシステム７０２にアクセスし得る。提案作成サブシステム７０２は、コンピュータシステムを使用して、またはタスク調整システム１０８のコンピュータシステム上に実装されたアプリケーションもしくは他の実行可能コードとして実装され得る。上述のように、代理１０４は、掲げた目標に関連付けられたプロジェクトのためにメンバー１１０に推奨され得る異なるタスクグルーピングのリスティングを提供され得る。代理１０４は、どのタスクグルーピングがメンバー１１０に提示され得るかを決定するために、異なるタスクグルーピングのこのリスティングをレビューし得る。代理１０４が、どのタスクグルーピングがメンバー１１０に提案されるべきかを決定すると、代理は、提案作成サブシステム７０２を介して、掲げた目標を達成するために使用され得る様々なタスクグルーピングをハイライトしてメンバー１１０に提示され得る提案を生成し得る。

[0120]提案は、所与のタスクを調査しながら代理１０４によって作成および／または収集され得る、メンバー１１０に提示される１つまたは複数のオプションを含み得る。いくつかの事例では、代理１０４は、提案作成サブシステム７０２を介して、これらの１つまたは複数の提案を生成するために使用され得る１つまたは複数のテンプレートにアクセスし得る。たとえば、提案作成サブシステム７０２は、リソースライブラリ２２０内にまたは内部的に、様々なプロジェクトまたは目標タイプのための提案テンプレートを維持し得、それにより、特定のプロジェクトまたは目標タイプのための提案テンプレートは、プロジェクトまたは目標タイプに関連付けられた様々なデータフィールドを含み得る。

[0121]一実施形態では、提案テンプレート内のデータフィールドは、提案においてどんな情報がメンバー１１０に提示されるべきかを決定する能力を代理１０４に提供するために、オンまたはオフにトグルされ得る。代理１０４は、メンバーの選好のそれの知識に基づいて、テンプレート内のこれらのデータフィールドのいずれかをオンまたはオフにトグルし得る。たとえば、代理１０４がメンバー１１０との関係を確立しており、それにより、代理１０４は、高い確信をもって、メンバーが、それのタスクのために評判が良い企業を選択する際に代理１０４を信用するということを知っている場合、代理１０４は、提案テンプレートからの対応する企業のレーティング／レビューに対応するデータフィールドをオフにトグルし得る。同様に、代理１０４が、メンバー１１０が提案のために企業のロケーション／住所に関心がないことを知っている場合、代理１０４は、提案テンプレートからの対応する企業のロケーション／住所に対応するデータフィールドをオフにトグルし得る。いくつかのデータフィールドは提案テンプレート内でオフにトグルされ得るが、代理１０４は、タスク調整システム１０８によって維持される提案のリソースライブラリを補足するために提案作成サブシステム７０２によって使用され得る追加の情報を提供するために、これらのデータフィールドを完成させ得る。

[0122]一実施形態では、提案作成サブシステム７０２は、提案においてメンバー１１０に提示され得るデータフィールドに関する代理１０４への推奨を生成するために、機械学習アルゴリズムまたは人工知能を利用する。提案作成サブシステム７０２は、機械学習アルゴリズムまたは人工知能への入力として、ユーザデータストア２１０からのメンバープロファイルまたはメンバー１１０に関連付けられたモデルと、メンバープロファイルからのメンバー１１０の履歴タスクデータと、提案がそれのために生成されている掲げた目標に関連付けられたプロジェクトに対応する情報（たとえば、目標タイプまたはカテゴリなど）とを使用し得る。機械学習アルゴリズムまたは人工知能の出力は、提案テンプレートのどのデータフィールドがオンまたはオフにトグルされるべきかを指定し得る。提案作成サブシステム７０２は、いくつかの事例では、提案においてメンバー１１０にこれらのデータフィールドを提示する能力を代理１０４に提供するために、代理１０４のために、これらのデータフィールドをオンにトグルするオプションを保存し得る。たとえば、提案作成サブシステム７０２が、目標を達成するためのまたは目標に関連付けられた何らかのタスクのための推定コストに対応するデータフィールドを自動的にオフにトグルしたが、メンバー１１０が、含まれる可能性があるコストに関心を示している場合、代理１０４は、推定コストに対応するデータフィールドをオンにトグルし得る。

[0123]提案作成サブシステム７０２を通して、代理１０４は、（プロジェクトにおいて定義されている）掲げた目標を達成するために実施され得る異なるタスクグルーピングに対応する１つまたは複数の提案オプションを生成することができる。各提案オプションは、達成されるべき掲げた目標に関連付けられた特定のプロジェクトまたは目標タイプのための提案テンプレートに従って生成され得る。たとえば、提案オプションは、掲げた目標に関連付けられた特定のプロジェクトまたは目標タイプのために選択された提案テンプレートからのデータフィールドを組み込み得る。提案のための提案オプションは、上述のように、タスク推奨システムおよび／または代理１０４によって決定された異なるタスクグルーピングのランキングに従って編成され得る。上述のように、タスク促進サービスのタスク推奨システムは、メンバー１１０が掲げた目標を達成するために特定のタスクグルーピングを選択する尤度に従って、異なるタスクグルーピングをランク付けし得る。タスク推奨システムは、タスクグルーピングのランク付けされたリストから、代理１０４によってメンバー１１０に推奨され得る１つまたは複数のタスクグルーピングを選択し得る。いくつかの事例では、タスク推奨システムによって行われる選択は、リスト中のタスクグルーピングのランキングに対応し得る。代替的に、タスク推奨システムは、メンバー１１０への推奨としてどのタスクグルーピングが代理１０４に提供され得るかを決定するために、タスクグルーピングのランク付けされたリスト、ならびにユーザデータストア２１０からのメンバーのプロファイルおよびメンバーの既存のタスクを処理し得る。代理１０４は、メンバー１１０のそれの知識に基づいて、タスクグルーピングのランク付けされたリストに従って提案オプションを生成するべきか、またはメンバー１１０の代理の知識に基づいてメンバー１１０によりアピールしていることがあるタスクグルーピングに対応する提案オプションを生成するべきかを決定し得る。

[0124]提案に含まれる提案オプションは、タスク推奨システムによって生成されたタスクグルーピングのランキング、ならびに／あるいはメンバーの選好についての代理の知識によるタスクグルーピングの代理の選択および順序付けに従って編成され得る。たとえば、より目立つように提示される提案オプション（たとえば、提示される第１の提案オプション、好ましい／推奨オプションとして提示される提案オプションなど）は、タスク推奨システムおよび／または代理１０４によって選択された最高ランクのタスクグルーピングに対応し得る。これにより、メンバー１１０は、最初に、掲げた目標に関連付けられたプロジェクトのための最高ランクのまたは好ましいタスクグルーピングをより容易にレビューすることが可能になり得る。他の提案オプションは、タスク推奨システムおよび／または代理１０４によって確立されたランキングまたは順序付けに従って提示され得る。たとえば、特定の提案のために、代理１０４は、掲げた目標に関連付けられたプロジェクトの完了のために代理１０４が推奨しているタスクグルーピングに対応し得る推奨オプションを生成し得る。さらに、メンバー１１０に追加のオプションまたは選定を提供するために、代理１０４は、掲げた目標に関連付けられたプロジェクトを完了するために実施され得る他のタスクグルーピングに対応する追加のオプションを生成することができる。いくつかの事例では、代理１０４が、メンバー１１０が掲げた目標を達成するための最良の方法のプランニングに関する意思決定を代理１０４に委任したことを知った場合、代理１０４は、推奨オプションの外部の追加の提案オプションの生成に先行し得る。しかしながら、代理１０４は、依然として、メンバー１１０に、プロジェクトの完了のための選択された提案オプションを提示し得る。

[0125]上述のように、タスク調整システム１０８は、特定の提案テンプレートの１つまたは複数のデータフィールドを自動的に埋めるために使用され得るリソースライブラリ２２０を維持する。リソースライブラリ２２０は、特定のプロジェクトおよびタスクタイプに関係する提案のために代理によって以前に使用された企業および／または製品に対応するエントリ、あるいは他の方法で特定のプロジェクトおよびタスクタイプに関連付けられたエントリを含み得る。たとえば、代理１０４がワシントン州リンウッドにおいてプエルトリコ料理をどのように調理するかを学習することに関係するプロジェクトの提案を生成したとき、提案作成サブシステム７０２は、タスクのために代理１０４によって選択された料理学校に関連付けられた情報を取得し得る。提案作成サブシステム７０２は、リソースライブラリ２２０において料理学校に対応するエントリを生成し、このエントリを「プエルトリコ料理」および「ワシントン州リンウッド」に関連付け得る。したがって、他の代理が、ワシントン州リンウッドの近くにいるメンバーのためのプエルトリコ料理をどのように調理するかを学習するというメンバー目標を識別した場合、他の代理は、プエルトリコ料理のコースを有し得るワシントン州リンウッドの近くの料理学校についてリソースライブラリ２２０に問い合わせ得る。リソースライブラリ２２０は、問合せに応答して、代理１０４によって以前に選択された料理学校に対応するエントリを返し得る。他の代理がこの料理学校を選択した場合、提案作成サブシステム７０２は、リソースライブラリ２２０からの料理学校のために利用可能な情報で、提案テンプレートのデータフィールドを自動的に埋め得る。

[0126]代理１０４がメンバー１１０のために新しい提案を生成すると、代理１０４は、提案および対応する提案オプションをメンバー１１０に提示し得る。さらに、提案作成サブシステム７０２は、ユーザデータストア２１０中のメンバーエントリに関連してユーザデータストア２１０に新しい提案を記憶し得る。いくつかの事例では、代理１０４は、掲げた目標に関連付けられた特定のプロジェクトのための提案が準備されたことと、この提案が、タスク促進サービスによって提供されるアプリケーションまたはウェブポータルを介してレビューの準備ができていることとを示す通知をメンバー１１０に送信し得る。メンバー１１０に提示される提案は、提案がそのために準備されたプロジェクト／目標、ならびにメンバー１１０に提供されている１つまたは複数の提案オプションの表示を示し得る。たとえば、提案は、推奨される提案オプションと、掲げた目標に関連付けられた特定のプロジェクトのために代理１０４によって準備された他のオプション（もしあれば）とへのリンクを含み得る。これらのリンクは、メンバー１１０が、アプリケーションまたはウェブポータルを介して代理１０４によって準備された１つまたは複数のオプションの間でナビゲートすることを可能にし得る。いくつかの事例では、代理１０４は、電子メール、テキストメッセージなどを介してなど、他の通信チャネルを介してメンバー１１０に提案を送信し得る。

[0127]いくつかの事例では、提案がメンバー１１０に提示されたとき、提案作成サブシステム７０２は、機械学習アルゴリズムまたは人工知能をさらにトレーニングするために使用され得るデータを取得するために、代理１０４との、および提案とのメンバー対話を監視し得る。たとえば、代理１０４が、提案作成サブシステム７０２によって生成された推奨に基づいて、目標を達成する際にメンバー１１０を支援することになる特定の企業のどんなレーティング／レビューもなしに提案を提示し、メンバー１１０が、（たとえば、代理１０４へのメッセージを通して、特定の企業のレーティング／レビューを閲覧するための提案におけるオプションの選択を通してなど）彼らが特定の企業のレーティング／レビューに関心があることを示す場合、提案作成サブシステム７０２は、同様のタスクまたはタスクタイプのために選択された企業のレーティング／レビューの提示を推奨する尤度を増加させるように、このフィードバックを利用して機械学習アルゴリズムまたは人工知能をさらにトレーニングし得る。

[0128]提案オプションごとに、メンバー１１０は、代理１０４によって選択されたタスクグルーピングに対応し、代理１０４によって提示のために選択されたデータフィールドに対応する情報を、提案作成サブシステム７０２を介して提示され得る。いくつかの事例では、メンバー１１０は、特定の提案に関連付けられたどんな詳細またはデータフィールドがアプリケーションまたはウェブポータルを介して提示されるかを選択し得る。たとえば、メンバー１１０が、各提案オプションの推定される全体を提示され、メンバー１１０が、各提案オプションの推定される全体をレビューすることに関心がない場合、メンバー１１０は、アプリケーションまたはウェブポータルを介して提案からのこの特定のデータフィールドをオフにトグルし得る。代替的に、メンバー１１０が、各提案オプションに関する追加の詳細（たとえば、追加のレビュー、追加の企業または製品情報など）をレビューすることに関心がある場合、メンバー１１０は、この追加の詳細が提案を介して提示されることを要求し得る。

[0129]上述のように、提供された提案とのメンバー対話に基づいて、提案作成サブシステム７０２は、メンバー１１０に、および同様のプロジェクトまたは目標タイプのために同様の状況にあるメンバーにどんな情報が提示されるべきかを決定または推奨するために使用される機械学習アルゴリズムまたは人工知能をさらにトレーニングし得る。提案作成サブシステム７０２は、特定のタスクのための提案において提示される情報に関するメンバーの選好を決定するために、提案とのメンバー対話を監視または追跡し得る。さらに、提案作成サブシステム７０２は、メンバーの選好をさらに識別するために、提案に関係するメンバー１１０と代理１０４との間で交換される任意のメッセージを監視または追跡し得る。いくつかの事例では、提案作成サブシステム７０２は、メンバーの選好を識別するために、代理１０４によって提供された提案に関してメンバー１１０にフィードバックを要請し得る。提案に関して代理１０４との、および提案自体とのメンバー対話を通して集められたこのフィードバックおよび情報は、メンバー１１０に、および同様のプロジェクトまたは目標タイプのために提案において同様の状況にあるメンバーに提示されるべき情報を求めてより正確なまたは改善された推奨を提供するように、機械学習アルゴリズムまたは人工知能を再トレーニングするために使用され得る。提案作成サブシステム７０２は、提案においてメンバー１１０に提示されるべき情報の推奨を決定する際に使用するユーザデータストア２１０内のメンバープロファイルまたはモデルを更新するために、代理１０４とのメンバー対話を通して集められたフィードバックおよび情報をさらに使用し得る。

[0130]一実施形態では、メンバー１１０が、提示された提案からの提案オプションを受け入れた場合、タスク調整システム１０８は、選択された提案オプションに関連付けられたタスクを実行状態に移動し、代理１０４は、選択された提案オプションに従ってその提案で実行することに進むことができる。たとえば、代理１０４は、メンバー１１０によって受け入れられた提案において定義されたパラメータに従って、１つまたは複数のサードパーティサービスからの支援を必要とし得る、選択されたタスクグルーピングからのタスクのいずれかの実施を調整するために、これらの１つまたは複数のサードパーティサービスに接触し得る。追加的にまたは代替的に、選択された提案オプション（たとえば、タスクグルーピング）からの１つまたは複数のタスクがメンバー１１０によって実施されることになっている場合、代理１０４は、これらのタスクがメンバー１１０によって正常に完了されていることを確実にするために、メンバー１１０と調整し得る。いくつかの事例では、１つまたは複数のタスクのメンバーの実施が１つまたは複数のパーソナルデバイス７０６（たとえば、パーソナルフィットネスデバイス、ネットワークに接続されたパーソナルフィットネス器具など）を通して監視され得る場合、メンバー１１０は、これらの１つまたは複数のパーソナルデバイス７０６からデータを取得するために、これらのパーソナルデバイス７０６へのアクセスを代理１０４およびタスクコーディネーションシステム１０８に許可するように促進され得る。このデータは、メンバー１１０によって選択された提案オプション／タスクグルーピングの１つまたは複数のタスクに対応するメンバーの進捗を追跡するために使用され得る。

[0131]一実施形態では、代理１０４は、メンバー１１０によって受け入れられた提案オプションにおいて定義されたパラメータに従って、掲げた目標に関連付けられたプロジェクトの実施の調整および監視を支援するために、タスク調整システム１０８のタスク監視サブシステム７０４を利用する。タスク監視サブシステム７０４は、コンピュータシステムを使用して、またはタスク調整システム１０８のコンピュータシステム上に実装されたアプリケーションもしくは他の実行可能コードとして実装され得る。上述のように、１つまたは複数のタスクのメンバーの実施は、メンバー１１０によって利用される１つまたは複数のパーソナルデバイス７０６を通して監視され得る。タスク監視サブシステム７０４は、タスクグルーピングからの特定のタスクに関するメンバーの実施、ならびに掲げた目標を達成する際のメンバーの進捗を決定するためにタスク監視サブシステム７０４によって使用され得るデータを取得するために、これらの１つまたは複数のパーソナルデバイス７０６にアクセスし得る。たとえば、特定のタスクが、インターバルトレーニングを実施し、それに続いて１マイルをランニングすることをメンバー１１０に要求する場合、タスク監視サブシステム７０４は、タスクによるインターバルトレーニングおよびランニングのメンバーの実施を示し得る、ある時間期間にわたるメンバーの心血管機能およびメンバーの移動を決定するために使用され得るバイオメトリクスデータ（たとえば、心拍数読取り値、血圧読取り値、ＰａＯ２読取り値など）ならびに他のデータ（たとえば、取られた歩数、ＧＰＳデータなど）を取得するために、メンバーのパーソナルデバイス７０６からのデータを処理し得る。

[0132]上述のように、特定のタスクグルーピングに関連付けられた各タスクは、タスクの実施に必要な予想時間に対応し得るタスク持続時間を示し得る。たとえば、インターバルトレーニングに続いて１マイルランニングを実施するタスクは、タスク持続時間として、タスクを完了するためにメンバーが１時間を要し得ることを指定し得る。これにより、メンバーは、特定のタスクを実施するために所与の日にこの時間量を割り振ることが可能になり得る。さらに、タスクは、対応するタスクの完了のデッドラインを示し得る。これにより、掲げたタスクを実施するために最も良い時間を決定するフレキシビリティがメンバーに提供され得る。各タスクのデッドラインは、目標を達成するために指定された時間枠に従ってプロジェクトを完了するためのパラメータに基づいて決定され得る。一実施形態では、タスク監視サブシステム７０４は、タスクが実施されたかどうかを決定するために、タスクに対応するデッドラインにおいて、メンバーに関連付けられたパーソナルデバイス７０６から取得されたデータを評価する。インターバルトレーニングおよび１マイルランニングのメンバー実施に対応する上記で説明された例示的な例を使用すると、タスク監視サブシステム７０４は、タスクに対して定義されたデッドラインにおいて、メンバーのパーソナルデバイス７０６からのメンバーのバイオメトリクスデータおよび他のデータを評価して、データがタスクの実施（たとえば、要求されたインターバルトレーニングおよび１マイルランニングを実施すること）に整合するかどうかを決定し得る。

[0133]いくつかの事例では、メンバーのパーソナルデバイス７０６からのデータを処理することに加えて、タスク監視サブシステム７０４は、タスクデッドラインにおいてまたはデッドラインより前の任意の他の時点においてタスクに関する更新を提供するようにメンバー１１０に促進することができる。たとえば、タスク監視サブシステム７０４が、メンバーのパーソナルデバイス７０６からのデータ（またはその欠如）に基づいて、メンバー１１０がタスクを完了していないかもしれないと決定した場合、タスク監視サブシステム７０４は、タスクが実施されたかどうかを示すようにメンバー１１０に促進することができる。メンバー１１０は、特定のタスクが完了されたかどうかを示すために、タスク監視サブシステム７０４への、タスクの実施に対応するデータの手動入力７０８を実施し得る。たとえば、メンバーが１マイルランニングを完了するタスクを割り当てられた場合、メンバー１１０は、１マイルランニングでのメンバーのラップタイム、１マイルランニングを完了するためにメンバー１１０によって取られたコースなど、ランニングに関係する情報を提供し得る。さらに、メンバー１１０は、特定のタスクのそれの実施に関するフィードバックを提供し得る。たとえば、メンバー１１０は、タスクの実施がメンバー１１０に対して煩わしかったか、困難であったか、または負担になったかどうかを示し得る。代替的に、メンバー１１０は、それがタスクを実施する際に良い体験を有したか、または目標の達成に向かう進捗を示す改善に気づいているかどうかを示し得る。

[0134]一実施形態では、タスクの実施に対応するデータの手動入力７０８は、対応する目標のために確立されたメンバー１１０と代理１０４との間の通信セッションを介してメンバー１１０によって代理１０４に提供され得る。たとえば、特定のタスクのデッドラインにおいて、タスクが完了されたかどうかと、そうである場合、メンバー１１０がタスクを実施する際に肯定的な体験を有したかどうかとを決定するために、代理１０４はメンバー１１０と通信し得る。タスク監視サブシステム７０４は、一実施形態では、通信セッションを介してこれらのメッセージが交換されているとき、それらのメッセージを処理および評価するために、ＮＬＰまたは他の機械学習アルゴリズム／人工知能を使用することができる。例示的な例として、メンバー１１０が代理１０４への１つまたは複数のメッセージにおいて、それが特定のタスクを完了することができないことを表現する場合、タスク監視サブシステム７０４は、ＮＬＰまたは他の機械学習アルゴリズム／人工知能を使用して、これらのメッセージが交換されたときにリアルタイムでこれらの１つまたは複数のメッセージを処理し、特定のタスクが、タスクに対して定義されたデッドラインまでに完了されないと決定し得る。別の例示的な例として、メンバーが代理１０４への１つまたは複数のメッセージにおいて、それが特定のタスクを完了しており、そのメンバーが楽しんだかまたはそのタスクが活力を与えるものであるとわかったと表現した場合、タスク監視サブシステム７０４は、ＮＬＰまたは他の機械学習アルゴリズム／人工知能を使用して、特定のタスクが完了され、メンバー１１０がタスクを実施して肯定的な体験を有したと決定し得る。

[0135]一実施形態では、タスク監視サブシステム７０４が、プロジェクト／掲げた目標に関連付けられたタスクグルーピングの現在のタスクが完了されたと決定した場合、タスク監視サブシステム７０４は、特定の目標のためにメンバー１１０に提供されるインターフェースを介して、タスクが完了されたことを示し得る。さらに、タスク監視サブシステム７０４は、掲げた目標を達成するために実施されるべき次のタスクを提示するように、掲げた目標に対応するプロジェクトを更新し得る。この次のタスクは、プロジェクトのための新しい現在のタスクとして提示され得る。タスク監視サブシステム７０４は、タスクが正常に完了されたかどうかを決定するために、上記で説明された方法に従ってこの新しいタスクの実施を監視し得る。

[0136]一実施形態では、タスク監視サブシステム７０４が、現在のタスクがタスクに対して定義されたデッドライン内に完了していないと決定した場合、タスク監視サブシステム７０４は、掲げた目標に関連付けられたプロジェクトが、プロジェクトに対して定義された元の時間枠内で完了され得るかどうかを決定する。たとえば、タスク監視サブシステム７０４は、これらのタスクが、プロジェクトを完了するための時間枠全体に影響を及ぼすことなく、現在のタスクの完了のためにより多くの時間を提供するようにシフトまたは遅延され得るかどうかを決定するために、掲げた目標に対応するプロジェクトの残りのタスクを自動的にレビューし得る。タスク監視サブシステム７０４が、現在のタスクの完了のためにより多くの時間を提供するように、残りのタスクがシフトまたは遅延され得ると決定した場合、タスク監視サブシステム７０４は、タスクの完了のための追加の時間を提供するために、現在のタスクのデッドラインを自動的および動的に更新し得る。これは、メンバー１１０、代理１０４、および／またはタスクを実施するタスク促進サービスに関連付けられたサードパーティサービスもしくは他のサービス／エンティティに、タスクを完了するためのより多くの時間を提供し得る。プロジェクトに関連付けられた任意の他のタスクも、必要な場合、それに応じてシフトまたは遅延され得る。たとえば、他のタスクの各々のためのデッドラインは、現在のタスクの完了のために提供される追加の時間に対応するように調整され得る。

[0137]いくつかの事例では、現在のタスクが現在のタスクの完了のデッドライン内に完了しなかった場合、タスク監視サブシステム７０４は、掲げた目標に関連付けられたプロジェクトのために実施されるべき残りのタスクが、現在のタスクを完了することができないことを補償するために調整され得るかどうかに関する評価を実施するように、タスク推奨システムに要求を送信し得る。上述のように、タスク推奨システムは、プロジェクトの残りの時間枠内で実施され得るタスクの残りのセットに対して行われ得る新しいタスクまたは修正を識別するために、リソースライブラリ２２０および／または１つもしくは複数のサードパーティリソースに自動的に問い合わせることがある。掲げた目標に関連付けられたプロジェクトのための新しいタスクのそれの識別または既存のタスクへの修正に基づいて、タスク推奨システムは、これらの新しいタスクまたは修正をタスク監視サブシステム７０４に提供し得る。次に、タスク監視サブシステム７０４は、タスク推奨システムによって識別されるような、新たに識別されたタスクおよび／または既存のタスクへの修正に対応するために、プロジェクトのためのタスクの残りのセットを修正または置換することができる。いくつかの事例では、タスク推奨システムが、掲げた目標のためのタスクの新しいセットを識別した場合、タスク推奨システムは、タスクのこの新しいセットを代理１０４に提示することがある。代理１０４は、次に、提案作成サブシステム７０２を使用して新しい提案を生成し得る。この新しい提案は、タスクのこの新しいセットを、掲げた目標に関連付けられたプロジェクトに対する提案オプションとして組み込み得る。代理１０４は、メンバー１１０がタスクの新しいセットを進めるべきかどうかを決定することを可能にするために、この新しい提案をメンバー１１０に提示し得る。

[0138]上述のように、最初に定義された時間枠内で掲げた目標を達成するために完了され得るタスクの新しいまたは修正されたセットに対応する提案オプションを提供することに加えて、タスク推奨システムは、掲げた目標を達成するための代替の時間枠に対応する１つまたは複数の追加の提案オプションを提供することができる。新しい提案オプションは、現在のタスクおよびタスクの残りのセットの完了のための新しい時間枠とともに、最初に提案されたような、現在のタスクおよびタスクの残りのセットを含み得る。この新しい提案オプションは、現在のタスクに対して最初に提供された割り当てられた時間に等しい時間量だけ、掲げた目標に対する元の時間枠から調整された新しい時間枠を指定することがある。これは、メンバー１１０、代理１０４、および／またはタスク促進サービスに関連付けられた任意のサードパーティサービスもしくは他のサービス／エンティティが、新しい時間枠内で、現在のタスクと掲げた目標のためのすべての他の後続のタスクとを実施する機会を可能にし得る。

[0139]いくつかの事例では、新しいまたは修正されたセットタスクおよび対応する時間枠は、代理１０４に提供され得、代理１０４は、新しいまたはか修正されたセットタスクおよび対応する時間枠を使用して、可能な提案オプションを生成することがあり、この可能な提案オプションは、提案作成サブシステム７０２を介して、メンバー１１０に提示されることがある。一実施形態では、メンバー１１０が、掲げた目標を達成するために、メンバー１１０、代理１０４、および／またはタスク促進サービスに関連付けられた１つもしくは複数のサードパーティサービスもしくは他のサービス／エンティティによって実施可能なタスクのセットを含む新しい提案オプションを選択した場合、タスク調整システム１０８は、掲げた目標に対する現在保留中のタスクの元のセットを、メンバー１１０によって選択された新しい提案オプションに対応するタスクの新しいまたは修正されたセットで置換するように、インターフェースを更新することができる。さらに、タスク調整システム１０８は、掲げた目標を達成するための新しい時間枠をメンバー１１０に提供し得る。

[0140]一実施形態では、タスク監視サブシステム７０４が、現在のタスクがタスクに対して定義されたデッドライン内に完了していないと決定した場合、タスク監視サブシステム７０４は、メンバー１１０が、プロジェクトに対して定義された元の時間枠内で達成され得る代替の目標を提供されるべきかどうかを決定することができる。たとえば、タスク監視サブシステム７０４は、現在のタスク（または任意の数のタスク）がタスクに対して定義されたデッドライン内に完了されていないことに照らして、新しい目標がメンバー１１０に提供されるべきかどうかに関する評価を実施するように、タスク推奨システムに要求を送信し得る。たとえば、現在のタスク、または任意の数の以前のタスクが、元の時間枠および対応するデッドラインに従って完了されてないことの結果として、タスク推奨システムが、目標がもはや元の時間枠内で達成されないであろうと決定した場合、タスク推奨システムは、元の時間枠内で達成され得る同様の目標を識別し得る。例示的な例として、元の目標が次の１２ヶ月以内にマラソンを走ることであり、タスク推奨システムは、メンバーがマラソンのトレーニングに関連付けられたタスクに対応する１つまたは複数のデッドラインを逸したことの結果として、この目標がもはや達成されないであろうと決定した場合、タスク推奨システムは、トレーニングが元の時間枠内でおよびプロジェクトに関するメンバーの現在の進捗に基づいて達成され得る、ハーフマラソンを走るという新しい目標を識別し得る。

[0141]一実施形態では、タスク推奨システムは、新しい目標と、新しい目標を元の時間枠内で達成するために実施され得る対応するタスクとを自動的に識別することができる。たとえば、タスク推奨システムは、元の時間枠内で実施され得る新しい目標と、これらの新しい目標を達成するために実施され得る対応するタスクとを識別するために、機械学習アルゴリズムまたは人工知能への入力として、元の目標、元の目標に関連付けられた以前に実施されたタスクまたは不完全なタスクに関連付けられた実施メトリクス（たとえば、タスク完了率、完了されたタスクのタイプ、メンバー固有のデータ（等級、測定値、進捗報告など）など）、メンバー１１０と代理１０４との間で交換されるメッセージ、メンバー１１０に対応する情報、サードパーティリソースからの情報、ならびに同様の状況にあるメンバーによって実施された目標および対応するタスクに対応する履歴データを使用し得る。たとえば、元の目標が特定の時間枠内でマラソンを走ることに関係する場合、タスク推奨システムは、その特定の時間枠内で達成され得る他の運動目標を識別するために機械学習アルゴリズムまたは人工知能を利用することがある。

[0142]一実施形態では、タスク推奨システムは、最初に定義された時間枠内で元の目標を達成することが可能であるように進んでいないというメンバー１１０の表示に応答して、新しい目標を自動的に識別することができる。上述のように、タスク監視サブシステム７０４は、メンバー１１０と代理１０４との間で交換されるメッセージが特定の目標に対応する通信セッションを介して交換されているときにリアルタイムでそれらのメッセージを処理および評価するために、ＮＬＰまたは他の機械学習アルゴリズム／人工知能を使用することができる。タスク監視サブシステム７０４は、これらの交換されたメッセージに基づいて、メンバー１１０が目標を変更することを望むことを示したかまたはさもなければ元の時間枠内で目標を達成するようにおそらく進まないことを示したかどうかを決定し得る。タスク監視サブシステム７０４が、これらのメッセージに基づいて、メンバー１１０が目標を変更することを望むことまたは目標が元の時間枠内で達成されないであろうことを検出した場合、タスク監視サブシステム７０４は、メンバー１１０のための新しい目標と、この新しい目標を達成するために元の時間枠内で実施され得る対応するタスクとを識別するように、タスク推奨システムに要求を送信し得る。タスク推奨システムは、それに応じて、本明細書で説明されるように、提案オプションの形態でメンバー１１０に提示され得る、新しい目標のための異なるタスクグルーピングを生成し得る。

[0143]タスク監視サブシステム７０４は、掲げた目標が達成されたかどうかを決定するために、掲げた目標に関連付けられたタスクの実施を監視し続け得る。たとえば、メンバー１１０、代理１０４、および／または何らかのサードパーティサービスが、掲げた目標に関連付けられたタスクを完了すると、タスク監視サブシステム７０４は、掲げた目標を達成することに向かう進捗を記録し得る。さらに、タスク監視サブシステム７０４は、掲げた目標を達成することに向かう進捗を決定するために、メンバー１１０と代理１０４との間でメッセージが交換されるときにリアルタイムでこれらのメッセージを監視および処理し得る。これらのメッセージは、掲げた目標を達成するための各実施されるタスクに関する、およびタスクのセットの全体的な構造に関するフィードバックとして機能し得る。さらに、掲げた目標に対応するタスクのセットが完了すると、タスク監視サブシステム７０４は、タスクのセットに関する、およびタスクのセットの実施の結果として掲げた目標が達成されたかどうかに関するフィードバックをメンバー１１０に促進するように、代理１０４に、または直接的にメンバー１１０に要求を送信し得る。メンバー１１０が、掲げた目標を達成するためにタスクのセットがメンバー１１０にとって役立ったことを示す場合、監視サブシステム７０４は、掲げた目標を達成するために利用されたタスクのセットおよび時間枠に正の極性を割り当て得る。代替的に、メンバー１１０が、タスクのセットが好ましくなかったおよび／またはタスクのセットの実施によってメンバー１１０が掲げた目標を達成する結果にならなかったことを示す場合、監視サブシステム７０４は、掲げた目標を達成するために利用されたタスクのセットおよび時間枠に負の極性を割り当て得る。取得されたフィードバックは、一実施形態では、上記で説明されたように、同様の状況にあるメンバーのための同様の目標を達成するために実施され得るタスクの異なるグループを生成するように、タスク推奨システムによって利用される機械学習アルゴリズムまたは人工知能を更新または再トレーニングするために使用され得る。

[0144]図８は、少なくとも１つの実施形態による、メンバーと代理との間の通信に基づいて、メンバーの目標を達成するための１つまたは複数の提案および対応するタスクを生成するためのプロセス８００の例示的な例を示す。プロセス８００は、タスク促進サービスのタスク推奨システムおよびタスク調整システムによって実施され得る。いくつかの事例では、（本明細書で説明される）プロセス８００のいくつかのステップは、これらのステップを実施するためにタスク推奨システムおよび／またはタスク調整システムと対話し得る代理によって実施されることがある。

[0145]ステップ８０２において、タスク推奨システムは、メンバーと割り当てられた代理との間で交換されるメッセージを取得し得る。これらのメッセージは、それらがメンバーと割り当てられた代理との間で交換されるときにリアルタイムで取得され得る。たとえば、タスク推奨システムは、アクティブ供給またはデータストリームを維持することがあり、このアクティブ供給またはデータストリームを通して、メンバーと割り当てられた代理との間で交換されるメッセージは、自動的におよびリアルタイムでタスク推奨システムに提供される。

[0146]ステップ８０４において、タスク推奨システムは、可能なメンバー固有の目標を識別するために、これらのメッセージをリアルタイムで処理し得る。たとえば、タスク推奨システムは、代理およびタスク促進サービスがこれらの目標を達成するためにメンバーに支援を提供し得る任意のメンバーの目標を自動的に識別するために、メンバーと代理との間のメッセージを、これらのメッセージが交換されているとき、機械学習アルゴリズムまたは人口知能を使用して処理し得る。タスク推奨システムは、メンバーからのこれらの交換されたメッセージまたは他の通信を評価して、メンバーが達成したい任意の目標を識別するために、ＮＬＰまたは他の人工知能を利用し得る。いくつかの事例では、タスク推奨システムは、可能な目標を識別するようにＮＬＰまたは他の人工知能をトレーニングするために、同様の状況にあるメンバーについて以前に識別された目標に対応する履歴データおよびこれらのメンバーからの対応するメッセージを利用し得る。

[0147]ステップ８０６において、メンバーと代理との間のメッセージのこの処理および評価に基づいて、タスク推奨システムは、何らかのメンバー固有の目標が識別されたかどうかを決定し得る。タスク推奨システムが、取得されたメッセージのそれの処理および評価に基づいて、どんな新しいメンバー固有の目標をも識別しなかった場合、タスク推奨システムは、メンバーと代理との間のメッセージがリアルタイムで交換されるとき、これらのメッセージを取得し、それに応じてこれらのメッセージを評価し、それによってプロセス８００を再開し続け得る。

[0148]タスク推奨システムが、メンバーと代理との間で交換されるメッセージのそれの評価に基づいてメンバー固有の目標を識別した場合、タスク推奨システムは、ステップ８０８において、メンバー固有の目標を達成するための時間枠を決定し得る。たとえば、メンバーと代理との間で交換されるメッセージから、タスク推奨システムは、これらの交換されたメッセージまたはメンバーから代理への他の通信を評価して、目標を達成するための指定された時間枠を識別するために、ＮＬＰまたは他の人工知能を利用し得る。例示的な例として、メンバーが「私は本当に来年、マラソンを走れるようになりたいです」というメッセージを送信した場合、タスク推奨システムは、ＮＬＰまたは他の人工知能を使用して、「マラソンを走ります」という目標の時間枠が「来年」における何らかの時点であると決定し得る。一実施形態では、メンバーが目標を達成するための時間枠を表さなかった場合、タスク推奨システムは、目標を達成するための時間枠を決定するためにメンバーと通信するように、代理に促進し得る。

[0149]ステップ８１０において、タスク推奨システムは、メンバー固有の目標が識別された時間枠内で達成され得るかどうかを決定し得る。たとえば、タスク推奨システムは、メンバーの認知負荷スコアを生成するための機械学習アルゴリズムまたは人工知能への入力として、メンバーに関連付けられたメンバープロファイル、対応するタスク、およびメンバーと代理との会話を使用し得る。タスク推奨システムは、メンバーによって提供された目標を達成するための時間枠が実現可能であるかどうかを決定するために、メンバーの認知負荷スコアを使用することができる。たとえば、タスク推奨システムは、メンバーの認知負荷スコアに基づいて、（メンバーによって指定された）目標を達成するための時間枠がメンバーの認知負荷の増加につながり得る（たとえば、時間枠内で目標および他の関係するタスクを達成しようと試みることから高いストレスレベルが生じ得る）と決定し得る。この認知負荷スコアが最大認知負荷しきい値を超える場合、タスク推奨システムは、目標を達成するための時間枠がメンバーに対して煩わしくなりすぎ得ると決定し得、タスク推奨システムは、ステップ８１２において、メンバーに提案され得、メンバーの認知負荷を低減し得る、代替の時間枠を識別し得る。

[0150]タスク推奨システムが、目標の達成のための代替の時間枠がメンバーに提案されるべきであると決定した場合、タスク推奨システムは、目標を達成するための代替の時間枠に関係する何らかの情報を提供するために、代理に通知を送信し得る。代理は、通信セッションを介してメンバーにこの代替の時間枠を提案し得る。メンバーが、提案された代替の時間枠を受け入れることを選択した場合、代理は、タスク推奨システムに対して、メンバーが目標を達成するための代替の時間枠を受け入れたことを示し得る。代替的に、メンバーが、提案された代替の時間枠を拒絶することを選択した場合、代理は、掲げた目標を放棄するべきかどうかおよび／またはメンバーによって提案された元の時間枠内で達成可能であり得る代替の目標を識別するべきかどうかを決定するために、メンバーと一緒に作業し得る。これは、プロセス８００が再開される結果になることがあり、それにより、タスク推奨システムは、メンバーのための新しい目標を識別するために、新しいメッセージが交換されているとき、それらのメッセージを処理し得る。

[0151]新しい時間枠が受け入れられたか、または目標が、メンバーによって定義された元の時間枠内で達成可能である場合、タスク推奨システムは、定義された時間枠内で代理が目標を達成するための提案を生成することに進み得ることを示し得る。それに応じて、代理は、メンバーの掲げた目標に対応する新しいプロジェクトを定義し得、そのためのタスクのセットがプロジェクトに追加され得る。タスクのこのセットは、掲げた目標を達成するために、メンバー、代理、および／またはタスク促進サービスに関連付けられたサードパーティサービスもしくは他のサービス／エンティティによって実施され得る。一実施形態では、タスク推奨システムは、タスク調整システムとともに、ステップ８１６において、メンバーに提示され得る提案オプションおよび対応するタスクグルーピング（たとえば、目標を達成するための様々な方法に対応するタスクのセット）のセットを生成することができる。上述のように、タスク推奨システムは、メンバーの目標を達成するために実施され得るタスクを識別するために、目標に対応する情報と、メンバーに対応する情報と、目標に対応する履歴データおよび同様の状況にあるメンバーによって実施された対応するタスクとを、機械学習アルゴリズムまたは人口知能への入力として使用し得る。新しい目標の特性（たとえば、目標のカテゴリ、目標を達成するための時間枠など）と、メンバーの特性と、これらの同様の状況にあるメンバーに対応するデータとに基づいて、タスク推奨システムは、新しい目標を達成するために掲げた時間枠内で実施され得るタスクのセットを自動的に生成し得る。

[0152]上述のように、掲げた目標を達成するための異なる提案オプションとして提示され得る異なるタスクグルーピングを生成するために、タスク推奨システムは、掲げた目標を達成するためにプロジェクトに追加され得る可能なタスクを識別するために、リソースライブラリおよび／または１つもしくは複数のサードパーティリソースに問い合わせることができる。リソースライブラリおよび／または１つもしくは複数のサードパーティリソースから、タスク推奨システムは、掲げた目標を達成するために実装され得る既知の処方、学習プラン、クラスなどを識別し得る。タスク推奨システムは、所望の時間枠内で掲げた目標を達成するためにメンバー、代理、および／またはサードパーティサービスによって実施され得る個々のタスクを生成するために、リソースライブラリおよび／または１つもしくは複数のサードパーティリソースからのこの情報を自動的に処理し得る。各タスクは、識別された処方の増分として機能し得、それにより、掲げた目標を達成することに向かう進捗は、所与のデッドラインの終わりにタスクの完了について評価され得る。さらに、リソースライブラリおよび／または１つもしくは複数のサードパーティリソースから、タスク推奨システムは、目標を達成するために実施され得る異なる方法を識別することができる。各利用可能な方法から、タスク推奨システムは、提案オプションの形態でメンバーに提案され得るタスクグルーピングを作成することができる。

[0153]いくつかの事例では、タスク推奨システムは、代理が、掲げた目標に関連付けられたプロジェクトのための１つまたは複数のタスクを手動で生成することを可能にする。たとえば、代理が、達成されるべき特定の目標に関する知識を有する場合、代理は、この目標を達成するための１つまたは複数の処方または他の方法を手動で定義することができる。各処方または他の方法は、掲げた目標を達成するために、メンバー、代理、および／またはタスク促進サービスに関連付けられたサードパーティサービスもしくは他のサービス／エンティティによって実施され得るタスクグルーピングを含み得る。代理は、目標を達成するための時間枠全体に従って、各タスクの完了日を示し得る。タスク推奨システムは、代理が、掲げた目標を達成するために新しいプロジェクトに追加され得る可能なタスクを識別するためにリソースライブラリおよび任意の既知のサードパーティリソースに問い合わせることを可能にする、リソースライブラリおよびこれらのサードパーティリソースへのアクセスを代理にさらに提供することができる。リソースライブラリおよびこれらのサードパーティリソースについての代理のレビューに基づいて、代理は、掲げた目標を達成するためにこれらのサードパーティリソースによって提供される何らかのトレーニングプランまたは他の情報に対応するタスクのセットを手動で生成し得る。

[0154]一実施形態では、提案および対応する提案オプションを生成するために、タスク推奨システムは、掲げた目標に関連付けられた特定のプロジェクトのために生成された異なるタスクグルーピングのランキングまたは他の順序付けを代理に提供することができる。このランキングは、メンバーが、掲げた目標を達成するためのタスクの特定のグルーピング（たとえば、特定の方法またはプラン）を選択する尤度に基づいて生成され得る。タスクグルーピングのこのランク付けされたリストから、タスク推奨システムは、代理によってどのタスクグルーピングがメンバーに推奨され得るかを選択し得る。代理は、タスク推奨システムによって提供されたタスクグルーピングの提供されたリスティングをレビューし、目標に関連付けられたプロジェクトの完了のためのメンバーへの提案に含まれるべき１つまたは複数の提案オプションを作成するために使用され得る１つまたは複数のタスクグルーピングを選択することができる。上述のように、代理は、タスク調整システムを介して、掲げた目標を達成するための提案を生成することができ、それにより、提案は、特に、掲げた目標を達成するために実施され得る異なる方法（たとえば、タスクグルーピング）に対応する提案オプションのリストを提供し得る。

[0155]ステップ８１８において、代理は、メンバーに、１つまたは複数の提案オプションを含む提案および対応するタスクグルーピングを提示し得る。提案は、１つまたは複数の提案オプションを含み得、ここにおいて、提案オプションは、所与の時間枠内で掲げた目標を達成するために実施され得るタスクのグルーピングを含み得る。提案における提示された様々なオプションに対するメンバーの応答に基づいて、代理は、プロジェクトインターフェースを介して、選択されたオプションに関連付けられたタスクを提示することがあり、それを通して、メンバーは、掲げた目標に対応するプロジェクトと、特定のプロジェクトに対する選択された提案オプションに対応するタスクとをレビューすることがある。

[0156]図９は、少なくとも１つの実施形態による、メンバーの目標を達成するための可能なタスクを生成するように、機械学習アルゴリズム、人工知能、または他の形態の実行可能プロセスをトレーニングおよび使用するためのプロセス９００の例示的な例を示す。プロセス９００は、タスク促進サービスのメンバーによって定義された特定の目標を達成するために使用され得る異なるタスクグルーピングを自動的および動的に生成するために機械学習アルゴリズム、人工知能、または他の形態の実行可能プロセスを使用し得る、タスク推奨システムによって実施され得る。

[0157]ステップ９０２において、タスク推奨システムは、メンバー固有の目標のカテゴリまたはタイプを決定し得る。たとえば、タスク推奨システムは、メンバー固有の目標の特定のカテゴリまたはタイプを決定するために、機械学習アルゴリズム、人工知能、または他の形態の実行可能プロセスへの入力としてメンバー固有の目標に対応する情報を使用し得る。この情報は、目標の名前またはタイトル、目標の短い説明、目標を示すメンバーと代理との間で交換される何らかのメッセージなどを含み得る。機械学習アルゴリズムまたは人工知能は、目標の特定のカテゴリに対応し得る同様の目標の特定のクラスタを識別するように構成されたクラスタリングアルゴリズムを含むことができる。このクラスタリングアルゴリズムは、教師なし学習技法を使用してトレーニングされ得る。たとえば、識別された目標に対応する入力目標特性のデータセットは、異なる目標カテゴリを識別するためにクラスタリングアルゴリズムを使用して分析され得る。目標のカテゴリを識別するために、目標を分類するためのサンプル目標データセット（たとえば、履歴目標データ、仮想目標データなど）を使用してトレーニングされ得る例示的なクラスタリングアルゴリズムは、ｋ平均クラスタリングアルゴリズム、ファジーｃ平均（ＦＣＭ）アルゴリズム、期待値最大化（ＥＭ）アルゴリズム、階層クラスタリングアルゴリズム、ノイズのあるアプリケーションの密度ベースの空間クラスタリング（ＤＢＳＣＡＮ）アルゴリズムなどを含み得る。目標に関係する取得された情報を使用して生成された機械学習アルゴリズムの出力に基づいて、タスク推奨システムは、目標のカテゴリを決定し得る。

[0158]いくつかの事例では、機械学習アルゴリズムまたは人工知能を使用するのではなく、タスク推奨システムは、メンバー固有の目標のカテゴリまたはタイプを自動的におよびリアルタイムで決定し得る。たとえば、タスク推奨システムは、目標の特定のカテゴリまたはタイプを識別するために、リソースライブラリに問合せを自動的におよびリアルタイムでサブミットし得る。問合せは、目標に対応する１つまたは複数のキーワードを含み得る。たとえば、１つまたは複数のキーワードは、目標に割り当てられた名前またはタイトルに対応し得る。別の例として、１つまたは複数のキーワードは、短い説明、または特定の目標に関してメンバーと代理との間で交換されるメッセージに基づいて自動的に選択され得る。タスク推奨システムは、いくつかの事例では、リソースライブラリへの問合せのために使用されるべき用語として機能し得る１つまたは複数のアンカー用語を識別するために、目標に関連付けられたこれらのデータソース（たとえば、タイトル、説明、および対応するメッセージ）を自動的におよびリアルタイムで処理し得る。問合せに応答して、リソースライブラリは、特定の目標に関連付けられたカテゴリまたはタイプの表示を返し得る。この表示は、特定の目標に関連付けられた特定のカテゴリまたはタイプに対応するプロジェクト生成テンプレートを含み得る。代替的に、表示は、タスク促進サービスの他のメンバーに関連付けられた他の目標に対応する、以前に生成されたプロジェクトを含み得る。これらの他の目標は、タスク推奨システムが特定の目標の目標カテゴリまたはタイプを自動的に識別することを可能にする、同じ目標カテゴリまたはタイプに対応し得る。

[0159]ステップ９０４において、タスク推奨システムは、同様の目標に関連付けられた１人または複数の同様の状況にあるメンバーを識別するために、ユーザデータストアにメンバープロファイルを問い合わせ得る。たとえば、タスク推奨システムは、類似性（たとえば、地理的ロケーション、人口統計情報、メンバー固有の目標の同じカテゴリ内の目標、以前に実施されたタスクおよびタスクカテゴリ／タイプ、家族構成、ホーム構成など）の１つまたは複数のベクトルに基づいて同様の状況にあるメンバーを識別するために、クラスタリングアルゴリズムを実装し得る。いくつかの事例では、サンプルメンバーによって提供された目標に対応する入力メンバー特性のデータセットは、異なるタイプのメンバーを識別するためにクラスタリングアルゴリズムを使用して分析され得る。メンバーの特性と（ステップ９０２において決定された）目標のカテゴリとを使用して生成された機械学習アルゴリズムの出力に基づいて、クラスタリングアルゴリズムは、メンバーに関する特定のクラスタを識別し得る。このクラスタは、メンバーの目標を達成するための可能なタスクを識別するために評価され得る同様の状況にあるメンバーのグルーピングを含み得る。

[0160]いくつかの事例では、同様の目標に関連付けられた１人または複数の同様の状況にあるメンバーを識別するためにクラスタリングアルゴリズムを使用するのではなく、タスク推奨システムは、同様の目標を以前に達成したことがあるかあるいは同様の目標を達成している最中であるかのいずれかで任意の他のメンバーを識別するために、タスク促進サービスによって維持されるユーザデータストアに自動的におよびリアルタイムで問い合わせ得る。たとえば、タスク推奨システムは、ユーザデータストアに問い合わせるために、特定の目標に関連付けられた識別されたカテゴリまたはタイプを使用し得る。この問合せに応答して、ユーザデータストアは、カテゴリまたはタイプに対応する目標が達成されたことがあるかまたは達成されている最中である他のメンバーのセットを識別し得る。タスク推奨システムは、これらのメンバーに対応するメンバープロファイルを評価してこれらの同様の目標をレビューするために、問合せに対する応答を使用し得る。

[0161]ステップ９０６において、タスク推奨システムは、上記で識別された同様の状況にあるメンバーに対応するメンバープロファイルの評価から、１つまたは複数の同様の目標が識別されたかどうかを決定し得る。たとえば、タスク推奨システムは、識別された同様の状況にあるメンバーのいずれかが、メンバーによって指定されたメンバー固有の目標と同様の目標を掲げたかどうかを決定するために、これらの同様の状況にあるメンバーのメンバープロファイルにアクセスし得る。これらの同様の目標を識別するために、タスク推奨システムは、各同様の状況にあるメンバーに関連付けられた目標のいずれかが、メンバー固有の目標の同じ目標カテゴリに属するかどうかを決定するために、これらの目標を評価し得る。これらの同様の状況にあるメンバーからの識別された目標が、メンバー固有の目標のカテゴリと同じカテゴリに属しない場合、タスク推奨システムは、同様の目標が識別されなかったと決定し得る。

[0162]タスク推奨システムがこれらの同様の状況にあるメンバーから１つまたは複数の同様の目標を識別した場合、タスク推奨システムは、ステップ９０８において、これらの目標を達成するために、これらの同様の目標の各々について実施される１つまたは複数のタスクを識別し得る。上述のように、メンバープロファイルは、以前に実施されたタスクおよびプロジェクトの履歴記録を含み得る。各以前に実施されたプロジェクトについて、タスク推奨システムは、プロジェクトが同様の目標に対応するかどうかを決定し得る。そうである場合、タスク推奨システムは、対応する目標を達成するためにタスク促進サービスに関連付けられた同様の状況にあるメンバー、それらの代理、および／または任意のサードパーティサービスもしくは他のサービス／エンティティによって実施された無数のタスクを識別するために、この以前に実施されたプロジェクトをレビューし得る。

[0163]一実施形態では、タスク推奨システムが同様の状況にあるメンバーからの同様の目標の異なるタスクグルーピングを識別した場合、または同様の目標が識別されなかったことの結果として、タスク推奨システムは、ステップ９１０において、メンバー固有の目標の目標カテゴリに関連付けられた何らかのサードパーティリソースがあるかどうかを決定することができる。上述のように、タスク促進サービスは、異なる目標カテゴリおよびタイプに関連付けられ得る異なる趣味および意図に関係する情報を提供するかまたは場合によっては集約し得る様々な組織（たとえば、発行者、クラブ、アフィニティグループなど）と提携し得る。したがって、メンバー固有の目標の特定のカテゴリに基づいて、タスク推奨システムは、これらの１つまたは複数のサードパーティリソースから、これらのサードパーティリソースのいずれかがメンバー固有の目標のカテゴリに対応するかどうかを決定し得る。

[0164]いくつかの事例では、目標カテゴリに関連付けられた何らかのサードパーティリソースがあるかどうかを決定するために、タスク推奨システムは、特定の目標のための利用可能なサードパーティリソースを識別するために、リソースライブラリに問合せをサブミットし得る。上述のように、リソースライブラリは、タスク促進サービスのメンバーの利益のために実施され得る新しいプロジェクトおよび／またはタスクを生成するために使用され得る様々なサードパーティリソースのためのリポジトリとして機能し得る。さらに、リソースライブラリは、異なる目標または目標タイプ／カテゴリについて以前に実施されたことがある異なるタスクに対応する情報を記憶し得る。リソースライブラリは、代理およびサードパーティエンティティによって、対応する目標を達成するために実施され得るタスクのそれらの知識に基づいて更新され得る。したがって、リソースライブラリから、タスク推奨システムは、同様の状況にあるメンバーおよび／または同様の目標のためのタスクを生成するために以前に利用された任意のサードパーティリソースを自動的に識別し得る。

[0165]タスク推奨システムが、メンバー固有の目標のカテゴリに関連付けられた１つまたは複数のサードパーティリソースを識別した場合、タスク推奨システムは、ステップ９１２において、目標を達成するために実施され得る可能なタスクを識別するために、これらのサードパーティリソースに問い合わせることができる。たとえば、これらの１つまたは複数のサードパーティリソースから、タスク推奨システムは、掲げた目標を達成するために実装され得る既知の処方、学習プラン、クラスなどを識別し得る。これらの既知の処方、学習プラン、クラスなどは、掲げたメンバー固有の目標を達成するために実施され得る可能なタスクを識別するために、タスク推奨システムによって処理され得る。

[0166]ステップ９１４において、タスク推奨システムは、メンバー固有の目標を達成するための可能なタスクおよび対応するタスクグルーピングを生成し得る。たとえば、タスク推奨システムは、メンバーの新しい目標を達成するために実施され得るタスクを識別するために、メンバー固有の目標に対応する情報と、メンバーに対応する情報と、目標に対応する何らかの履歴データおよび同様の状況にあるメンバーによって実施された対応するタスクと、識別されたサードパーティリソースからの任意の情報とを、機械学習アルゴリズムまたは人口知能への入力として使用し得る。上述のように、識別された目標を達成するためのタスクのセットを自動的および動的に生成するためにタスク推奨システムによって利用される機械学習アルゴリズムまたは人口知能は、上記で説明されたように、教師ありトレーニング技法を使用してトレーニングされ得る。さらに、機械学習アルゴリズムまたは人口知能は、機械学習アルゴリズムまたは人口知能に供給されたサンプル入力に基づいて、機械学習アルゴリズムまたは人口知能が所定の時間枠内で対応する目標を達成することを助長するタスクのセットを生成しているかどうかを決定するために評価され得る。この評価に基づいて、機械学習アルゴリズムまたは人工知能は、機械学習アルゴリズムまたは人工知能が所望の結果を生成する尤度を増加させるように修正され得る。機械学習アルゴリズムまたは人口知能はさらに、所与の目標のために機械学習アルゴリズムまたは人口知能によって提供されるタスクに関して、メンバーおよび代理にフィードバックを要請することによって、動的にトレーニングされ得る。

[0167]いくつかの事例では、タスク推奨システムは、これらの可能なタスクを生成するために機械学習アルゴリズムまたは人工知能を使用するのではなく、識別されたサードパーティリソースから、メンバーに割り当てられた代理に情報を提供し得る。これにより、代理は、メンバー固有の目標を達成するために実施され得る可能なタスクのセットを手動で生成することが可能になり得る。一実施形態では、タスク推奨システムは、同様の状況にあるメンバーによって実施される目標および対応するタスクに対応する履歴データに基づいて、メンバー固有の目標を達成するための１つまたは複数のタスクを自動的におよびリアルタイムで識別することができる。たとえば、タスク推奨システムが、可能なタスクがそれについて識別されたメンバー固有の目標と同様である、タスク促進の別のメンバーの以前に達成された目標を識別した場合、タスク推奨システムは、以前に達成された目標を達成するために実施されたタスクを自動的に識別し得る。これらのタスクは、（メンバーに関連付けられたメンバープロファイルに示される）メンバーの特性に従ってメンバー固有の目標に適合するように修正され得る。

[0168]図１０は、少なくとも１つの実施形態による、メンバーの目標に関連付けられたタスクのメンバー実施を監視し、メンバーの目標を達成するための元の時間枠からの偏差が検出されると、時間枠および／またはメンバーの目標に関連付けられたタスクを自動的に調整するためのプロセス１０００の例示的な例を示す。プロセス１０００は、タスク促進サービスのタスク調整システムによって実施され得る。いくつかの事例では、プロセス１０００の特定のステップは、本明細書で説明されるように、タスク促進サービスのタスク推奨システムと連携して実施され得る。

[0169]ステップ１００２において、タスク調整システムは、リアルタイムで、メンバー固有の目標に関連付けられた１つまたは複数のタスクの実施を監視し得る。上記で説明されたように、１つまたは複数のタスクがメンバーによって実施されるべきである場合、タスク調整システムは、メンバーによって利用される１つまたは複数のパーソナルデバイスを通してこれらのタスクの実施を監視し得る。タスク調整システムは、特定のタスクに関するメンバーの実施、ならびに掲げた目標を達成する際のメンバーの進捗を決定するために使用され得るデータをこれらのデバイスから取得し得る。いくつかの事例では、タスク調整システムは、これらのタスクの実施に関する更新を提供するように、メンバー、代理、および／またはこれらのタスクを実施するために割り当てられたタスク促進サービスに関連付けられたサードパーティサービスもしくは他のサービス／エンティティにさらに促進し得る。

[0170]ステップ１００４において、タスク調整システムは、メンバー固有の目標のための現在のタスクが、目標を達成するために定義された時間枠に従っているかどうかを決定し得る。たとえば、タスク調整システムは、これらのタスクが、これらのタスクの実施のために確定されたデッドラインに従って完了されているかどうかを決定するために、メンバーのパーソナルデバイスからのデータ、ならびにメンバー、代理、および／またはこれらのタスクを実施するために割り当てられたタスク促進サービスに関連付けられたサードパーティサービスもしくは他のサービス／エンティティによって提供される何らかの更新を処理し得る。たとえば、タスク調整システムが、メンバーのパーソナルデバイスからのデータ（またはその欠如）に基づいて、メンバーがタスクを完了していないかもしれないと決定した場合、タスク調整システムは、タスクが実施されたかどうかを示すようにメンバーに促進することができる。いくつかの事例では、特定のタスクのデッドラインにおいて、代理は、タスクが完了されたかどうかを決定するために、メンバーと通信し得る。タスク調整システムは、タスクが完了されたかどうかを決定するために、目標に関連付けられた通信セッションを介してこれらのメッセージが交換されているとき、それらのメッセージを処理および評価するためにＮＬＰまたは他の機械学習アルゴリズム／人工知能を使用し得る。タスクが、目標を達成するためのデッドラインおよび時間枠に従って完了されている場合、タスク調整システムは、目標に関連付けられた残りのタスクの実施を監視し続け、それによってプロセス１０００を新たに開始し得る。

[0171]タスク調整システムが、１つまたは複数のタスクが目標のために定義されたそれらの対応するデッドラインおよび時間枠に従って完了されなかったと決定した場合、タスク調整システムは、ステップ１００６において、メンバー固有の目標が、目標に対して定義された元の時間枠内で達成可能であるかどうかを決定し得る。たとえば、タスク調整サブシステムは、これらのタスクが、プロジェクトを完了するための時間枠全体に影響を及ぼすことなく、現在のタスクの完了のためにより多くの時間を提供するように時間シフトまたは遅延され得るかどうかを決定するために、掲げた目標に関連付けられたプロジェクトの残りのタスクを自動的にレビューし得る。タスク調整システムが、現在のタスクの完了のためにより多くの時間を提供するように、残りのタスクが時間シフトまたは遅延され得ると決定した場合、タスク調整システムは、ステップ１０１２において、元の時間枠内の目標の達成を可能にするために、目標に関連付けられた保留中のタスクを自動的および動的に調整し得る。たとえば、タスク調整システムは、タスクの完了のための追加の時間を提供するように、現在のタスクのデッドラインを更新し得る。さらに、プロジェクトに関連付けられた任意の他のタスクも、必要な場合、それに応じて時間シフトまたは遅延され得る。たとえば、他のタスクの各々のためのデッドラインは、現在のタスクの完了のために提供される追加の時間に対応するように調整され得る。

[0172]いくつかの例では、タスク調整システムは、掲げた目標に関連付けられたプロジェクトのために実施されるべき残りのタスクが、現在のタスクを完了することができないことを補償するように調整され得るかどうかに関する評価を実施するために、タスク推奨システムに要求を送信し得る。上述のように、タスク推奨システムは、プロジェクトの残りの時間枠内で実施され得るタスクの残りのセットに対して行われ得る新しいタスクまたは修正を識別するために、リソースライブラリおよび／または１つもしくは複数のサードパーティリソースに自動的に問い合わせることがある。掲げた目標に関連付けられたプロジェクトのための新しいタスクのそれの識別または既存のタスクへの修正に基づいて、タスク推奨システムは、これらの新しいタスクまたは修正をタスク調整システムに提供し得る。次に、タスク調整システムは、タスク推奨システムによって識別されるような、新たに識別されたタスクおよび／または既存のタスクへの修正に対応するために、プロジェクトのためのタスクの残りのセットを修正または置換することができる。いくつかの事例では、タスク推奨システムが、掲げた目標のためのタスクの新しいセットを識別した場合、タスク推奨システムは、タスクのこの新しいセットを代理に提示することがある。次に、代理は、タスクのこの新しいセットを、掲げた目標に関連付けられたプロジェクトに対する提案オプションとして組み込む新しい提案を生成し得る。代理は、メンバーがタスクの新しいセットを進めるべきかどうかを決定することを可能にするために、この新しい提案をメンバーに提示し得る。

[0173]タスク調整システムが、目標がもはや元の時間枠内で達成可能でないと決定した場合、タスク調整システムは、ステップ１００８において、目標の達成のための代替の時間枠の推奨を生成し得る。たとえば、タスク調整システムは、掲げた目標を達成するための代替の時間枠に対応する提案オプションを生成し得る。新しい提案オプションは、現在のタスクおよびタスクの残りのセットの完了のための新しい時間枠とともに、最初に提案されたような、現在のタスクおよびタスクの残りのセットを含み得る。この新しい提案オプションは、現在のタスクに対して最初に提供された割り当てられた時間に等しい時間量だけ、掲げた目標に対する元の時間枠から調整された新しい時間枠を指定することがある。これは、メンバー、代理、および／または任意のサードパーティサービスが、新しい時間枠内で、現在のタスクと掲げた目標のためのすべての他の後続のタスクとを実施する機会を可能にし得る。

[0174]図１１は、少なくとも１つの実施形態による、メンバーとの通信が処理される環境１１００の例示的な例を示す。一実施形態では、代理１１０４によって実施される動作は、部分的および／または完全に、１つまたは複数の機械学習アルゴリズム、人工知能システムおよび／または計算モデルを使用して実施される。たとえば、代理１１０４がメンバー１１１２の代わりにタスクの実施を実施するかまたは場合によっては調整するとき、タスク促進サービス１１０２は、メンバー１１１２のプロファイルおよび／またはメンバー１１１２のプロファイルの計算モデルを更新し得る。

[0175]一実施形態では、代理１１０４がメンバー１１１２の代わりにタスクの実施を実施するかまたは場合によっては調整するとき、タスク促進サービス１１０２は、連続的に、メンバー１１１２のプロファイルおよび／またはメンバー１１１２のプロファイルの計算モデルを更新する。たとえば、メンバー１１１２がタスク促進サービス１１０２のシステムと通信するとき、タスク促進サービス１１０２は、対話中に連続的に、メンバー１１１２のプロファイルおよび／またはメンバー１１１２のプロファイルの計算モデルを更新し得る。

[0176]一実施形態では、代理１１０４がメンバー１１１２の代わりにタスクの実施を実施するかまたは場合によっては調整するとき、タスク促進サービス１１０２は、動的に、メンバー１１１２のプロファイルおよび／またはメンバー１１１２のプロファイルの計算モデルを更新する。たとえば、タスクがメンバー１１１２の代わりに実施されるとき、タスクを実施するベンダーは、タスク促進サービス１１０２に通常の更新を提供し得、タスク促進サービス１１０２は、ベンダーからの各更新において動的に、メンバー１１１２のプロファイルおよび／またはメンバー１１１２のプロファイルの計算モデルを更新し得る。

[0177]一実施形態では、代理１１０４がメンバー１１１２の代わりにタスクの実施を実施するかまたは場合によっては調整するとき、タスク促進サービス１１０２は、自動的に、メンバー１１１２のプロファイルおよび／またはメンバー１１１２のプロファイルの計算モデルを更新する。たとえば、提案がメンバーのために生成されたとき、タスク促進サービス１１０２は、提案生成プロセスの一部として自動的に、メンバー１１１２のプロファイルおよび／またはメンバー１１１２のプロファイルの計算モデルを更新し得る。

[0178]一実施形態では、代理１１０４がメンバー１１１２の代わりにタスクの実施を実施するかまたは場合によっては調整するとき、タスク促進サービス１１０２は、リアルタイムで、メンバー１１１２のプロファイルおよび／またはメンバー１１１２のプロファイルの計算モデルを更新する。たとえば、メンバー１１１２が提案を受け入れたとき、タスク促進サービス１１０２は、更新を遅延させるのではなく、提案受入れが提供されるときにメンバー１１１２のプロファイルおよび／またはメンバー１１１２のプロファイルの計算モデルを更新し得る。

[0179]一実施形態では、タスク促進サービス１１０２は、タスク促進サービス１１０２の機械学習サブシステム１１０６を使用してメンバー１１１２のプロファイルおよび／またはメンバー１１１２のプロファイルの計算モデルを更新する。一実施形態では、機械学習サブシステム１１０６は、機械学習アルゴリズム、人工知能システム、および／または計算モデルを実装するように構成されたタスク促進サービス１１０２の構成要素である。一例では、機械学習サブシステム１１０６は、サンプルおよび／またはライブデータを使用して機械学習モデルをトレーニングするために様々なアルゴリズムを使用し得る。さらに、機械学習サブシステム１１０６は、新しいデータが受信されると機械学習モデルを更新し得る。別の例では、機械学習サブシステム１１０６は、様々な人工知能システムをトレーニングおよび／または更新するか、あるいは様々な計算モデルを生成、トレーニングおよび／または更新し得る。たとえば、メンバー１１１２のプロファイルの計算モデルは、メンバー１１１２に関して新しい情報が受信されると、機械学習サブシステム１１０６によって生成、トレーニングおよび／または更新され得る。

[0180]一実施形態では、メンバー１１１２のプロファイルおよび／またはメンバー１１１２のプロファイルの計算モデルが、ある時間期間（たとえば、６ヶ月、１年など）にわたっておよび／またはタスクのセット（たとえば、２０個のタスク、３０個のタスクなど）にわたって更新された後、タスク促進サービス１１０２のシステム（たとえば、タスク推奨システム）は、連続的に、自動的に、動的に、およびリアルタイムで新しいタスクを生成するために、１つまたは複数の機械学習アルゴリズム、人工知能システムおよび／または計算モデルを利用する。たとえば、タスク推奨システムは、代理対話を行ってまたは行わずに、メンバーのプロファイルの様々な属性（たとえば、メンバーと代理との通信に対応する履歴データ、代理実施および提示されたタスク／提案に対応するメンバーフィードバックなど）に基づいて、新しいタスクを生成し得る。一実施形態では、タスク促進サービス１１０２のシステム（たとえば、タスク推奨システム）は、必要とされる任意の追加の情報を取得するためにメンバー１１１２と自動的に通信することができ、これらのタスクの実施のためにメンバー１１１２に提示され得る提案を生成することもできる。

[0181]図１１に示されている例では、メンバー１１１２とタスク促進サービス１１０２との間の通信は、タスク促進サービス１１０２内の１つまたは複数のエンティティにルーティングされ得る。図１１に示されている例は、通信ルータ１１１４（図では「ルータ」と呼ばれる）を示しているが、企図され得、図１１に示されているように、ルータ１１１４は、エンティティ間で通信をルーティングするための１つまたは複数の技法の抽象的表現である。したがって、メンバー１１１２からタスク促進サービス１１０２への通信は、タスク促進サービスの１つまたは複数のエンティティにルーティングされることがあり、タスク促進サービス１１０２の１つまたは複数のエンティティからの通信は、メンバー１１１２に戻るようにルーティングされることがある。

[0182]図１１に示されている例では、通信は代理１１０４にルーティング１１１６され得、タスク促進サービスシステムおよび／またはサブシステム１１０８にもルーティング１１１８され得るので、代理１１０４は、本明細書で説明されるように対話が正の極性を維持することを確実にするために、タスク促進サービスシステムおよび／またはサブシステム１１０８とメンバー１１１２との間の通信を監視することができる。たとえば、メンバー１１１２がタスク推奨システムと対話している場合、代理１１０４は、メンバー１１１２が対話に満足しているかどうかを決定し得る。代理１１０４が、会話が負の極性を有する（たとえば、メンバー１１１２が対話に満足していない）と決定した場合、代理１１０４は、対話を改善するために介入し得る。

[0183]同様に、タスク促進サービスシステムおよび／またはサブシステム１１０８とメンバー１１１２との間の他の対話は、タスク促進サービスシステムおよび／またはサブシステム１１０８とメンバー１１１２との間の対話を監視するように構成され得るメンバー通信サブシステム１１２２にルーティング１１２０され得る。一実施形態では、メンバー通信サブシステム１１２２は、（たとえば、ルータ１１１４を使用して）タスク促進サービスシステムおよび／またはサブシステム１１０８とメンバー１１１２との間の対話をインターセプトするように構成され得る。そのような実施形態では、すべてのそのような対話は、メンバー１１１２とメンバー通信サブシステム１１２２との間でルーティング１１２０され得、メンバー通信サブシステム１１２２とタスク促進サービスシステムおよび／またはサブシステム１１０８との間でルーティング１１２４され得る。そのような実施形態では、タスク促進サービスシステムおよび／またはサブシステム１１０８とメンバー１１１２との間の対話は、直接ルーティング１１１８されないことがある。そのような実施形態では、代理１１０４は、上記で説明されたように（たとえば、対話を代理１１０４にルーティング１１１６することによって）対話が正の極性を維持することを確実にするために、タスク促進サービスシステムおよび／またはサブシステム１１０８とメンバー１１１２との間の対話を依然として監視し得る。

[0184]一実施形態では、代理１１０４は、代理１１０４とメンバー１１１２間の対話に基づいてメンバー選好を変更することを示すようにメンバーのプロファイルを更新するために、機械学習サブシステム１１０６と対話することができる。一実施形態では、タスク促進サービスシステムおよび／またはサブシステム１１０８は、たとえば、提案が受け入れられたかまたは拒絶されたとき、メンバーのプロファイルを更新するために、機械学習サブシステム１１０６と対話することができる。さらに、図１１に示されているように、タスク促進サービス１１０２とメンバー１１１２との間の対話は、メンバー通信サブシステム１１２２と機械学習サブシステム１１０６との間でさらにルーティング１１２６され得る。したがって、メンバー１１１２と、たとえば、提案作成サブシステムとの間の対話は、提案が作成されるときにメンバーのプロファイルを更新するために使用され得る。

[0185]このようにして、システムおよび環境がエージェントおよび／または他の自動システムと対話しているユーザの知識をほとんどまたはまったく有しないことがある自動カスタマーサービスシステムおよび環境とは異なり、タスク促進サービスシステムおよび／またはサブシステム１１０８は、連続的に、動的に、自動的に、および／またはリアルタイムで、メンバー１１１２のプロファイルおよび／またはメンバー１１１２のプロファイルの計算モデルを更新することができる。たとえば、タスク促進サービスシステムおよび／またはサブシステム１１０８は、本明細書で説明されるように機械学習サブシステム１１０６を使用してメンバー１１１２のプロファイルおよび／またはメンバー１１１２のプロファイルの計算モデルを更新することができる。したがって、タスク促進サービスシステムおよび／またはサブシステム１１０８は、タスク促進サービス１１０２とのメンバーの自動対話に基づいて、代理１１０４とのメンバーの対話に基づいて、および／または経時的にメンバー１１１２の代わりに実施されるタスクに基づいて、メンバーに関する最新の情報を提供するように、メンバー１１１２のプロファイルおよび／またはメンバー１１１２のプロファイルの計算モデルを更新することができる。この情報はまた、タスクおよび／または提案がメンバー１１１２のために作成、提案、および実施されるとき、連続的に、自動的に、動的に、および／またはリアルタイムで更新され得る。この情報はまた、（たとえば、メンバー１１１２の問合せ、必要性および／または目標に応答して）メンバー１１１２との適切でインテリジェントな対話を予測し、識別し、提示するためにタスク促進サービス１１０２によって使用され得る。

[0186]図１２は、いくつかの実施形態による、互いに電気通信している様々な構成要素を含むコンピューティングシステムアーキテクチャ１２００を示す。図１２に示されている例示的なコンピューティングシステムアーキテクチャ１２００は、いくつかの実装形態による、バスなどの接続１２０６を使用して互いに電気通信している様々な構成要素を有するコンピューティングデバイス１２０２を含む。例示的なコンピューティングシステムアーキテクチャ１２００は、接続１２０６を使用してシステムメモリ１２１４を含む様々なシステム構成要素と電気通信している処理ユニット１２０４を含む。いくつかの実施形態では、システムメモリ１２１４は、読取り専用メモリ（ＲＯＭ）、ランダムアクセスメモリ（ＲＡＭ）、および本明細書で説明されるものを含むがそれらに限定されない他のそのようなメモリ技術を含む。いくつかの実施形態では、例示的なコンピューティングシステムアーキテクチャ１２００は、プロセッサ１２０４と直接接続された、プロセッサ１２０４に極めて近接した、またはプロセッサ１２０４の一部として統合された、高速メモリのキャッシュ１２０８を含む。システムアーキテクチャ１２００は、プロセッサ１２０４による迅速なアクセスのために、メモリ１２１４および／または記憶デバイス１２１０からキャッシュ１２０８にデータをコピーすることができる。このようにして、キャッシュ１２０８は、データを待つことによるプロセッサ１２０４におけるプロセッサ遅延を減少させるかまたはなくす性能ブーストを提供することができる。本明細書で説明されるものなどのモジュール、方法およびサービスを使用して、プロセッサ１２０４は、様々なアクションを実施するように構成され得る。いくつかの実施形態では、キャッシュ１２０８は、たとえば、レベル１（Ｌ１）およびレベル２（Ｌ２）キャッシュを含む、複数のタイプのキャッシュを含み得る。メモリ１２１４は、本明細書ではシステムメモリまたはコンピュータシステムメモリと呼ばれることがある。メモリ１２１４は、様々なときに、オペレーティングシステムの要素、１つもしくは複数のアプリケーション、オペレーティングシステムまたは１つもしくは複数のアプリケーションに関連付けられたデータ、あるいはコンピューティングデバイス１２０２に関連付けられた他のそのようなデータを含み得る。

[0187]他のシステムメモリ１２１４も、使用のために利用可能であり得る。メモリ１２１４は、異なる性能特性をもつ、複数の異なるタイプのメモリを含むことができる。プロセッサ１２０４は、任意の汎用プロセッサ、およびプロセッサ１２０４を制御するように構成された記憶デバイス１２１０に記憶されたサービス１２１２などの１つまたは複数のハードウェアまたはソフトウェアサービス、ならびに専用プロセッサを含むことができ、ここで、ソフトウェア命令は、実際のプロセッサ設計に組み込まれる。プロセッサ１２０４は、複数のコアまたはプロセッサ、コネクタ（たとえば、バス）、メモリ、メモリコントローラ、キャッシュなどを含んでいる、完全に独立型のコンピューティングシステムであり得る。いくつかの実施形態では、複数のコアをもつそのような独立型コンピューティングシステムは、対称的である。いくつかの実施形態では、複数のコアをもつそのような独立型コンピューティングシステムは、非対称的である。いくつかの実施形態では、プロセッサ１２０４は、マイクロプロセッサ、マイクロコントローラ、デジタル信号プロセッサ（「ＤＳＰ」）、あるいはこれらおよび／または他のタイプのプロセッサの組合せであり得る。いくつかの実施形態では、プロセッサ１２０４は、コア、１つまたは複数のレジスタ、ならびに算術論理ユニット（ＡＬＵ）、浮動小数点ユニット（ＦＰＵ）、グラフィックス処理ユニット（ＧＰＵ）、物理処理ユニット（ＰＰＵ）、デジタルシステム処理（ＤＳＰ）ユニット、またはこれらおよび／もしくは他のそのような処理ユニットの組合せなどの１つまたは複数の処理ユニットなど、複数の要素を含むことができる。

[0188]コンピューティングシステムアーキテクチャ１２００とのユーザ対話を可能にするために、入力デバイス１２１６は、スピーチのためのマイクロフォン、ジェスチャまたはグラフィカル入力のためのタッチセンシティブスクリーン、キーボード、マウス、モーション入力、ペン、および他のそのような入力デバイスなど、任意の数の入力機構を表すことができる。出力デバイス１２１８も、モニタ、スピーカー、プリンタ、ハプティックデバイス、および他のそのような出力デバイスを含むがそれらに限定されない、当業者に知られているいくつかの出力機構のうちの１つまたは複数であり得る。いくつかの事例では、マルチモーダルシステムは、ユーザが、コンピューティングシステムアーキテクチャ１２００と通信するために複数のタイプの入力を提供することを可能にすることができる。いくつかの実施形態では、入力デバイス１２１６および／または出力デバイス１２１８は、たとえば、本明細書で説明されるネットワークインターフェース１２２０などの通信インターフェースなどのリモート接続デバイスを使用して、コンピューティングデバイス１２０２に結合され得る。そのような実施形態では、通信インターフェースは、付属入力デバイス１２１６および／または出力デバイス１２１８から受信された入力および出力を支配および管理することができる。企図され得るように、任意の特有のハードウェア構成上で動作することに対する制限はなく、したがって、ここでの基本的特徴は、他のハードウェア、ソフトウェア、またはファームウェア構成が開発されるにつれて、それらで容易に代用され得る。

[0189]いくつかの実施形態では、記憶デバイス１２１０は、不揮発性記憶装置または不揮発性メモリとして説明され得る。そのような不揮発性メモリまたは不揮発性記憶装置は、磁気カセット、フラッシュメモリカード、固体メモリデバイス、デジタル多用途ディスク、カートリッジ、ＲＡＭ、ＲＯＭ、およびそれらのハイブリッドなど、コンピュータによってアクセス可能であるデータを記憶することができるハードディスクまたは他のタイプのコンピュータ可読媒体であり得る。

[0190]上記で説明されたように、記憶デバイス１２１０は、様々な実施形態において本明細書で説明される方法、プロセス、機能、システム、およびサービスを含むがそれらに限定されない１つまたは複数の機能を実施するようにプロセッサ１２０４を制御または構成することができるサービス１２１２などのハードウェアおよび／またはソフトウェアサービスを含むことができる。いくつかの実施形態では、ハードウェアまたはソフトウェアサービスは、モジュールとして実装され得る。例示的なコンピューティングシステムアーキテクチャ１２００に示されているように、記憶デバイス１２１０は、システム接続１２０６を使用してコンピューティングデバイス１２０２の他の部分に接続され得る。一実施形態では、機能を実施するサービス１２１２などのハードウェアサービスまたはハードウェアモジュールは、プロセッサ１２０４、接続１２０６、キャッシュ１２０８、記憶デバイス１２１０、メモリ１２１４、入力デバイス１２１６、出力デバイス１２１８などの必要なハードウェア構成要素に関して、本明細書で説明されるものなどの機能を行うことができる、非一時的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むことができる。

[0191]体験推奨を生成し実行するための開示されるプロセスは、例示的なコンピューティングシステムアーキテクチャ１２００の１つまたは複数の構成要素を使用して、図１２に示されている例示的なコンピューティングシステムなどのコンピューティングシステムを使用して実施され得る。例示的なコンピューティングシステムは、プロセッサ（たとえば、中央処理ユニット）と、メモリと、不揮発性メモリと、インターフェースデバイスとを含むことができる。メモリは、データおよび／または１つもしくは複数のコードセット、ソフトウェア、スクリプトなどを記憶し得る。コンピュータシステムの構成要素は、バスを介してまたは何らかの他の知られているもしくは好都合なデバイスを通して互いに結合され得る。

[0192]いくつかの実施形態では、プロセッサは、たとえば、プロセッサ１２０４などのプロセッサを使用してコードを実行することによって、本明細書で説明される体験推奨を生成し実行するための方法および機能の一部または全部を行うように構成され得、ここにおいて、コードは、本明細書で説明されるようにメモリ１２１４などのメモリに記憶される。ユーザデバイス、プロバイダサーバもしくはシステム、データベースシステム、または他のそのようなデバイス、サービス、もしくはシステムのうちの１つまたは複数は、本明細書で説明される例示的なコンピューティングシステムアーキテクチャ１２００の１つまたは複数の構成要素を使用して、図１２に示されている例示的なコンピューティングシステムなどのコンピューティングシステムの構成要素の一部または全部を含み得る。企図され得るように、そのようなシステムに対する変形形態は、本開示の範囲内に入るものと見なされ得る。

[0193]本開示は、任意の好適な物理的形態をとるコンピュータシステムを企図する。限定ではなく例として、コンピュータシステムは、組込み型コンピュータシステム、システムオンチップ（ＳＯＣ）、（たとえば、コンピュータオンモジュール（ＣＯＭ）またはシステムオンモジュール（ＳＯＭ）などの）シングルボードコンピュータシステム（ＳＢＣ）、デスクトップコンピュータシステム、ラップトップまたはノートブックコンピュータシステム、タブレットコンピュータシステム、ウェアラブルコンピュータシステムまたはインターフェース、対話型キオスク、メインフレーム、コンピュータシステムのメッシュ、携帯電話、携帯情報端末（ＰＤＡ）、サーバ、あるいはこれらのうちの２つまたはそれ以上の組合せであり得る。適切な場合、コンピュータシステムは、１つまたは複数のコンピュータシステムを含み、ユニタリーであるかまたは分散され得、複数のロケーションにわたり得、複数の機械にわたり得、および／あるいは、コンピューティングリソースプロバイダ１２２８に関連して本明細書で説明されるように１つまたは複数のネットワーク中の１つまたは複数のクラウド構成要素を含み得るクラウドコンピューティングシステム中に存在し得る。適切な場合、１つまたは複数のコンピュータシステムは、実質的な空間的または時間的限定なしに本明細書で説明または例示される１つまたは複数の方法の１つまたは複数のステップを実施し得る。限定ではなく例として、１つまたは複数のコンピュータシステムは、リアルタイムでまたはバッチモードで本明細書で説明または例示されている１つまたは複数の方法の１つまたは複数のステップを実施し得る。１つまたは複数のコンピュータシステムは、適切な場合、異なる時間にまたは異なるロケーションで本明細書で説明または例示される１つまたは複数の方法の１つまたは複数のステップを実施し得る。

[0194]プロセッサ１２０４は、Ｉｎｔｅｌ（登録商標）マイクロプロセッサ、ＡＭＤ（登録商標）マイクロプロセッサ、Ｍｏｔｏｒｏｌａ（登録商標）マイクロプロセッサ、または他のそのようなマイクロプロセッサなど、従来のマイクロプロセッサであり得る。「機械可読（記憶）媒体」または「コンピュータ可読（記憶）媒体」という用語がプロセッサによってアクセス可能である任意のタイプのデバイスを含むことを、当業者は認識されよう。

[0195]メモリ１２１４は、たとえば、コネクタ１２０６などのコネクタまたはバスによって、プロセッサ１２０４に結合され得る。本明細書で使用されるコネクタ１２０６などのコネクタまたはバスは、コンピューティングデバイス１２０２内の構成要素間でデータを転送する通信システムであり、いくつかの実施形態では、コンピューティングデバイス間でデータを転送するために使用され得る。コネクタ１２０６は、データバス、メモリバス、システムバス、または他のそのようなデータ転送機構であり得る。そのようなコネクタの例は、業界標準アーキテクチャ（ＩＳＡバス、拡張ＩＳＡ（ＥＩＳＡ）バス、パラレルＡＴアタッチメント（ＰＡＴＡバス（たとえば、統合ドライブエレクトロニクス（ＩＤＥ）もしくは拡張ＩＤＥ（ＥＩＤＥ）バス）、または様々なタイプのパラレルコンポーネント相互接続（ＰＣＩ）バス（たとえば、ＰＣＩ、ＰＣＩｅ、ＰＣＩ－１０４など）を含むが、それらに限定されない。

[0196]メモリ１２１４は、ダイナミックＲＡＭ（ＤＲＡＭ）、スタティックＲＡＭ（ＳＲＡＭ）、同期ダイナミックＲＡＭ（ＳＤＲＡＭ）、不揮発性ランダムアクセスメモリ（ＮＶＲＡＭ）、および他のタイプのＲＡＭを含むがそれらに限定されない、ＲＡＭを含むことができる。ＤＲＡＭは誤り訂正コード（ＥＥＣ）を含み得る。メモリはまた、プログラマブルＲＯＭ（ＰＲＯＭ）、消去可能プログラマブルＲＯＭ（ＥＰＲＯＭ）、電子的消去可能およびプログラマブルＲＯＭ（ＥＥＰＲＯＭ（登録商標））、フラッシュメモリ、マスクＲＯＭ（ＭＲＯＭ）、および他のタイプのＲＯＭを含むがそれらに限定されない、ＲＯＭを含むことができる。メモリ１２１４はまた、読取り専用（たとえば、ＣＤ ＲＯＭおよびＤＶＤ ＲＯＭ）またはその他（たとえば、ＣＤもしくはＤＶＤ）を含む、磁気または光学データ記憶媒体を含むことができる。メモリは、ローカルであるか、リモートであるか、または分散され得る。

[0197]上記で説明されたように、コネクタ１２０６（またはバス）はまた、不揮発性メモリまたは記憶装置を含み得、ドライブユニットをも含み得る記憶デバイス１２１０に、プロセッサ１２０４を結合することができる。いくつかの実施形態では、不揮発性メモリまたは記憶装置は、磁気フロッピー（登録商標）もしくはハードディスク、光磁気ディスク、光ディスク、ＲＯＭ（たとえば、ＣＤ－ＲＯＭ、ＤＶＤ－ＲＯＭ、ＥＰＲＯＭ、もしくはＥＥＰＲＯＭ）、磁気もしくは光学カード、または別の形態のデータ記憶装置である。このデータの一部は、直接メモリアクセスプロセスによって、コンピュータシステム中のソフトウェアの実行中にメモリに書き込まれ得る。不揮発性メモリまたは記憶装置は、ローカルであるか、リモートであるか、または分散され得る。いくつかの実施形態では、不揮発性メモリまたは記憶装置は随意である。企図され得るように、コンピューティングシステムは、メモリ中で利用可能なすべての適用可能なデータで作成され得る。典型的なコンピュータシステムは、通常、少なくとも１つのプロセッサと、メモリと、メモリをプロセッサに結合するデバイス（たとえば、バス）とを含むことになる。

[0198]ソフトウェアおよび／またはソフトウェアに関連付けられたデータは、不揮発性メモリおよび／またはドライブユニットに記憶され得る。（たとえば、大きいプログラムのための）いくつかの実施形態では、常にプログラムおよび／またはデータ全体をメモリに記憶することが可能であるとは限らないことがある。そのような実施形態では、プログラムおよび／またはデータは、たとえば、記憶デバイス１２１０などの追加の記憶デバイスからメモリ内外に移動され得る。それにもかかわらず、ソフトウェアが稼働するために、必要な場合、処理に適したコンピュータ可読ロケーションに移動され、説明のために、そのロケーションは、本明細書ではメモリと呼ばれることを理解されたい。ソフトウェアが実行のためにメモリに移動されたときでも、プロセッサは、ソフトウェアに関連する値を記憶するためにハードウェアレジスタと、理想的には、実行を高速化するように働くローカルキャッシュとを利用することができる。本明細書で使用されるソフトウェアプログラムは、そのソフトウェアプログラムが「コンピュータ可読媒体において実装される」と呼ばれるとき、任意の知られているまたは好都合なロケーション（不揮発性記憶装置からハードウェアレジスタまで）に記憶されると仮定される。プログラムに関連付けられた少なくとも１つの値がプロセッサによって読取り可能なレジスタに記憶されるとき、プロセッサは、「プログラムを実行するように構成される」と見なされる。

[0199]接続１２０６はまた、ネットワークインターフェース１２２０などのネットワークインターフェースデバイスにプロセッサ１２０４を結合し得る。インターフェースは、本明細書で説明されるものを含むがそれらに限定されないモデムまたは他のそのようなネットワークインターフェースのうちの１つまたは複数を含むことができる。ネットワークインターフェース１２２０は、コンピューティングデバイス１２０２の一部であると見なされ得るか、またはコンピューティングデバイス１２０２とは別個であり得ることを諒解されよう。ネットワークインターフェース１２２０は、アナログモデム、統合サービスデジタルネットワーク（ＩＳＤＮ）モデム、ケーブルモデム、トークンリングインターフェース、衛星送信インターフェース、または他のコンピュータシステムにコンピュータシステムを結合するための他のインターフェースのうちの１つまたは複数を含むことができる。いくつかの実施形態では、ネットワークインターフェース１２２０は、１つまたは複数の入力および／または出力（Ｉ／Ｏ）デバイスを含むことができる。Ｉ／Ｏデバイスは、限定ではなく例として、入力デバイス１２１６などの入力デバイスおよび／または出力デバイス１２１８などの出力デバイスを含むことができる。たとえば、ネットワークインターフェース１２２０は、キーボード、マウス、プリンタ、スキャナ、ディスプレイデバイス、および他のそのような構成要素を含み得る。入力デバイスおよび出力デバイスの他の例は本明細書で説明される。いくつかの実施形態では、通信インターフェースデバイスは、完全なおよび別個のコンピューティングデバイスとして実装され得る。

[0200]動作中、コンピュータシステムは、ディスクオペレーティングシステムなどのファイル管理システムを含むオペレーティングシステムソフトウェアによって制御され得る。関連するファイル管理システムソフトウェアをもつオペレーティングシステムソフトウェアの一例は、Ｗｉｎｄｏｗｓ（登録商標）オペレーティングシステムのファミリーおよびそれらの関連するファイル管理システムである。それの関連するファイル管理システムソフトウェアをもつオペレーティングシステムソフトウェアの別の例は、様々なタイプおよび実装のＬｉｎｕｘ（登録商標）オペレーティングシステムならびにそれらの関連するファイル管理システムを含むがそれらに限定されない、Ｌｉｎｕｘオペレーティングシステムおよびそれの関連するファイル管理システムである。ファイル管理システムは、不揮発性メモリおよび／またはドライブユニット中に記憶され得、データを入力および出力することと、不揮発性メモリおよび／またはドライブユニット上にファイルを記憶することを含むメモリ中にデータを記憶することとをオペレーティングシステムが行うために必要とされる様々な行為を実行することをプロセッサに行わせることができる。企図され得るように、他のタイプのオペレーティングシステム、たとえば、ＭａｃＯＳ（登録商標）、他のタイプのＵＮＩＸ（登録商標）オペレーティングシステム（たとえば、ＢＳＤ（登録商標）および派生物、Ｘｅｎｉｘ（登録商標）、ＳｕｎＯＳ（登録商標）、ＨＰ－ＵＸ（登録商標）など）、モバイルオペレーティングシステム（たとえば、ｉＯＳ（登録商標）および変形態、Ｃｈｒｏｍｅ（登録商標）、Ｕｂｕｎｔｕ Ｔｏｕｃｈ（登録商標）、ｗａｔｃｈＯＳ（登録商標）、Ｗｉｎｄｏｗｓ １０ Ｍｏｂｉｌｅ（登録商標）、Ｂｌａｃｋｂｅｒｒｙ（登録商標）ＯＳなど）、ならびにリアルタイムオペレーティングシステム（たとえば、ＶｘＷｏｒｋｓ（登録商標）、ＱＮＸ（登録商標）、ｅＣｏｓ（登録商標）、ＲＴＬｉｎｕｘなど）などは、本開示の範囲内に入るものと見なされ得る。企図され得るように、本明細書でリストされるオペレーティングシステム、モバイルオペレーティングシステム、リアルタイムオペレーティングシステム、言語、およびデバイスの名前は、様々な関連するエンティティの登録商標、サービスマーク、または設計であり得る。

[0201]いくつかの実施形態では、コンピューティングデバイス１２０２は、ネットワークインターフェース１２２０などの接続を使用してネットワーク１２２２を介してコンピューティングデバイス１２２４などの１つまたは複数の追加のコンピューティングデバイスに接続され得る。そのような実施形態では、コンピューティングデバイス１２２４は、コンピューティングデバイス１２０２上で動作するプログラムおよび／またはサービスの制御下で、またはそれの代わりに１つまたは複数の機能を実施するために、１つまたは複数のサービス１２２６を実行し得る。いくつかの実施形態では、コンピューティングデバイス１２２４などのコンピューティングデバイスは、プロセッサ１２０４などのプロセッサ、接続１２０６などの接続、キャッシュ１２０８などのキャッシュ、記憶デバイス１２１０などの記憶デバイス、メモリ１２１４などのメモリ、入力デバイス１２１６などの入力デバイス、および出力デバイス１２１８などの出力デバイスを含むがそれらに限定されないコンピューティングデバイス１２０２に関して説明される構成要素のタイプのうちの１つまたは複数を含み得る。そのような実施形態では、コンピューティングデバイス１２２４は、コンピューティングデバイス１２０２に関して本明細書で説明されるものなどの機能を行うことができる。いくつかの実施形態では、コンピューティングデバイス１２０２は、コンピューティングデバイス１２２４などの複数のコンピューティングデバイスに接続され得、それらの各々も、コンピューティングデバイス１２２４などの複数のコンピューティングデバイスに接続され得る。そのような実施形態は、本明細書では分散コンピューティング環境と呼ばれることがある。

[0202]ネットワーク１２２２は、インターネット、イントラネット、エクストラネット、セルラーネットワーク、Ｗｉ－Ｆｉ（登録商標）ネットワーク、ローカルエリアネットワーク（ＬＡＮ）、ワイドエリアネットワーク（ＷＡＮ）、衛星ネットワーク、Ｂｌｕｅｔｏｏｔｈ（登録商標）ネットワーク、仮想プライベートネットワーク（ＶＰＮ）、公衆交換電話網、赤外線（ＩＲ）ネットワーク、モノのインターネット（ＩｏＴネットワーク）もしくは任意の他のそのようなネットワークまたはネットワークの組合せを含む、任意のネットワークであり得る。ネットワーク１２２２を介した通信は、ワイヤード接続、ワイヤレス接続、またはそれらの組合せであり得る。ネットワーク１２２２を介した通信は、伝送制御プロトコル／インターネットプロトコル（ＴＣＰ／ＩＰ）、ユーザデータグラムプロトコル（ＵＤＰ）、オープンシステムインターコネクション（ＯＳＩ）モデルの様々なレイヤにおけるプロトコル、ファイル転送プロトコル（ＦＴＰ）、ユニバーサルプラグアンドプレイ（ＵＰｎＰ）、ネットワークファイルシステム（ＮＦＳ）、サーバメッセージブロック（ＳＭＢ）、共通インターネットファイルシステム（ＣＩＦＳ）、および他のそのような通信プロトコルを含むがそれらに限定されない、様々な通信プロトコルを介して行われ得る。

[0203]ネットワーク１２２２上の、コンピューティングデバイス１２０２内での、コンピューティングデバイス１２２４内での、またはコンピューティングリソースプロバイダ１２２８内での通信は、本明細書ではコンテンツと呼ばれることもある情報を含むことができる。情報は、テキスト、グラフィックス、オーディオ、ビデオ、ハプティクス、および／またはコンピューティングデバイス１２０２などのコンピューティングデバイスのユーザに提供され得る任意の他の情報を含み得る。一実施形態では、情報は、ハイパーテキストマークアップ言語（ＨＴＭＬ）、拡張マークアップ言語（ＸＭＬ）、Ｊａｖａ（登録商標）Ｓｃｒｉｐｔ、カスケーディングスタイルシート（ＣＳＳ）、ＪａｖａＳｃｒｉｐｔ（登録商標）オブジェクト表記法（ＪＳＯＮ）、および他のそのようなプロトコルおよび／または構造化言語など、転送プロトコルを使用して配信され得る。情報は、最初にコンピューティングデバイス１２０２によって処理され、視覚、聴覚、嗅覚、味覚、触覚、または他のそのような機構を介して知覚可能である形態を使用してコンピューティングデバイス１２０２のユーザに提示され得る。いくつかの実施形態では、ネットワーク１２２２上の通信は、サーバとして構成されたコンピューティングデバイスによって受信および／または処理され得る。そのような通信は、ＰＨＰ：ハイパーテキストプリプロセッサ（「ＰＨＰ」）、Ｐｙｔｈｏｎ（登録商標）、Ｒｕｂｙ、Ｐｅｒｌ（登録商標）および変形態、Ｊａｖａ、ＨＴＭＬ、ＸＭＬ、または別のそのようなサーバ側処理言語を使用して送られ、受信され得る。

[0204]いくつかの実施形態では、コンピューティングデバイス１２０２および／またはコンピューティングデバイス１２２４は、本明細書で説明されるもの（たとえば、ネットワークインターフェース１２２０）などのネットワークインターフェースを使用してネットワーク１２２２を介してコンピューティングリソースプロバイダ１２２８に接続され得る。そのような実施形態では、（本明細書では「コンピューティングリソースプロバイダ環境」内でとも呼ばれる）コンピューティングリソースプロバイダ１２２８内でホストされる１つまたは複数のシステム（たとえば、サービス１２３０およびサービス１２３２）は、コンピューティングデバイス１２０２および／またはコンピューティングデバイス１２２４上で動作するプログラムおよび／またはサービスの制御下で、またはそれの代わりに１つまたは複数の機能を実施するために、１つまたは複数のサービスを実行し得る。サービス１２３０およびサービス１２３２などのシステムは、コンピューティングデバイス１２０２および／またはコンピューティングデバイス１２２４上で動作するプログラムおよび／またはサービスの制御下で、またはそれの代わりに１つまたは複数の機能を実施するためのコンピュータコードを実行するために、本明細書で説明されるものなどの１つまたは複数のコンピューティングデバイスを含み得る。

[0205]たとえば、コンピューティングリソースプロバイダ１２２８は、たとえば、コンピューティングデバイス１２０２のデータの量が記憶デバイス１２１０の容量を超えるとき、コンピューティングデバイス１２０２のデータを記憶するためにサービス１２３０上で動作するサービスを提供し得る。別の例では、コンピューティングリソースプロバイダ１２２８は、最初にサービス１２３２上に仮想マシン（ＶＭ）をインスタンス化し、そのＶＭを使用して、サービス１２３２上に記憶されたデータにアクセスし、そのデータに対して１つまたは複数の動作を実施し、１つまたは複数のそれらの動作の結果をコンピューティングデバイス１２０２に提供するためのサービスを提供し得る。そのような動作（たとえば、データストレージおよびＶＭインスタンス化）は、本明細書では「クラウドにおいて」、「クラウドコンピューティング環境内で」、または「ホストされた仮想マシン環境内で」動作することと呼ばれることがあり、コンピューティングリソースプロバイダ１２２８は、本明細書では「クラウド」と呼ばれることもある。そのようなコンピューティングリソースプロバイダの例は、Ａｍａｚｏｎ（登録商標）ウェブサービス（ＡＷＳ（登録商標））、Ｍｉｃｒｏｓｏｆｔ’ｓ Ａｚｕｒｅ（登録商標）、ＩＢＭ Ｃｌｏｕｄ（登録商標）、Ｇｏｏｇｌｅ Ｃｌｏｕｄ（登録商標）、Ｏｒａｃｌｅ Ｃｌｏｕｄ（登録商標）などを含むが、それらに限定されない。

[0206]コンピューティングリソースプロバイダ１２２８によって提供されるサービスは、データ分析、データストレージ、アーカイバルストレージ、ビッグデータストレージ、（様々なスケーラブルＶＭアーキテクチャを含む）仮想コンピューティング、ブロックチェーンサービス、コンテナ（たとえば、アプリケーションカプセル化）、データベースサービス、（サンドボックス開発環境を含む）開発環境、ｅコマースソリューション、ゲームサービス、メディアおよびコンテンツ管理サービス、セキュリティサービス、サーバレスホスティング、仮想現実（ＶＲ）システム、および拡張現実（ＡＲ）システムを含むが、それらに限定されない。そのようなサービスを促進するための様々な技法は、仮想マシン、仮想ストレージ、データベースサービス、システムスケジューラ（たとえば、ハイパーバイザ）、リソース管理システム、様々なタイプの短期、中間、長期、およびアーカイバル記憶デバイスなどを含むが、それらに限定されない。

[0207]企図され得るように、サービス１２３０およびサービス１２３２などのシステムは、コンピューティングデバイス１２０２および／またはコンピューティングデバイス１２２４の代わりに、またはそれの制御下で様々なサービス（たとえば、サービス１２１２またはサービス１２２６）のバージョンを実装し得る。様々なサービスのそのような実装されたバージョンは、たとえば、サービスがたとえばサービス１２３０上で実行されているとき、コンピューティングデバイス１２０２のユーザにはサービス１２１２がコンピューティングデバイス１２０２上で実行されているように見え得るような、１つまたは複数の仮想化技法を含み得る。同じく企図され得るように、コンピューティングリソースプロバイダ１２２８環境内で動作する様々なサービスは、環境内の様々なシステム間で分散され、ならびにコンピューティングデバイス１２２４および／またはコンピューティングデバイス１２０２上に部分的に分散され得る。

[0208]クライアントデバイス、ユーザデバイス、コンピュータリソースプロバイダデバイス、ネットワークデバイス、および他のデバイスは、特に、１つまたは複数の集積回路、入力デバイス、出力デバイス、データ記憶デバイス、および／またはネットワークインターフェースを含むコンピューティングシステムであり得る。集積回路は、本明細書で説明されるものなど、特に、たとえば、１つまたは複数のプロセッサ、揮発性メモリ、および／または不揮発性メモリを含むことができる。入力デバイスは、たとえば、キーボード、マウス、キーパッド、タッチインターフェース、マイクロフォン、カメラ、および／または本明細書で説明されるものを含むがそれらに限定されない他のタイプの入力デバイスを含むことができる。出力デバイスは、たとえば、ディスプレイスクリーン、スピーカー、触覚フィードバックシステム、プリンタ、および／または本明細書で説明されるものを含むがそれらに限定されない他のタイプの出力デバイスを含むことができる。ハードドライブまたはフラッシュメモリなどのデータ記憶デバイスは、コンピューティングデバイスが、一時的にまたは永続的にデータを記憶することを可能にすることができる。ワイヤレスまたはワイヤードインターフェースなどのネットワークインターフェースは、コンピューティングデバイスがネットワークと通信することを可能にすることができる。コンピューティングデバイス（たとえば、コンピューティングデバイス１２０２）の例は、デスクトップコンピュータ、ラップトップコンピュータ、サーバコンピュータ、ハンドヘルドコンピュータ、タブレット、スマートフォン、携帯情報端末、デジタルホームアシスタント、ウェアラブルデバイス、スマートデバイス、およびこれらおよび／または他のそのようなコンピューティングデバイスの組合せ、ならびにコンピューティングデバイスがそれらの中に組み込まれたおよび／または仮想的に実装された機械および装置を含むが、それらに限定されない。

[0209]本明細書で説明された技法はまた、電子ハードウェア、コンピュータソフトウェア、ファームウェア、またはそれらの任意の組合せで実装され得る。そのような技法は、汎用コンピュータ、ワイヤレス通信デバイスハンドセット、またはワイヤレス通信デバイスハンドセットおよび他のデバイスにおける適用を含む複数の用途を有する集積回路デバイスなど、様々なデバイスのいずれかにおいて実装され得る。モジュールまたは構成要素として説明された任意の特徴は、集積論理デバイスに一緒に、または個別であるが相互運用可能な論理デバイスとして別個に実装され得る。ソフトウェアにおいて実装される場合、本技法は、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であって、命令は、実行されたときに、上述した方法のうちの１つまたは複数を実施する、コンピュータ可読データ記憶媒体によって少なくとも部分的に実現され得る。コンピュータ可読データ記憶媒体は、パッケージング材料を含み得るコンピュータプログラム製品の一部を形成し得る。コンピュータ可読媒体は、本明細書で説明されたものなど、メモリまたはデータ記憶媒体を備え得る。本技法は、追加または代替として、少なくとも部分的に、伝搬信号または電波など、命令またはデータ構造の形態でプログラムコードを搬送または通信し、コンピュータによってアクセスされ、読み取られ、および／または実行され得るコンピュータ可読通信媒体によって実現され得る。

[0210]プログラムコードは、１つまたは複数のデジタル信号プロセッサ（ＤＳＰ）、汎用マイクロプロセッサ、特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブル論理アレイ（ＦＰＧＡ）、あるいは他の等価の集積回路またはディスクリート論理回路など、１つまたは複数のプロセッサを含み得るプロセッサによって実行され得る。そのようなプロセッサは、本開示で説明された技法のいずれかを実施するように構成され得る。汎用プロセッサはマイクロプロセッサであり得るが、代替として、プロセッサは、任意の従来のプロセッサ、コントローラ、マイクロコントローラ、または状態機械であり得る。プロセッサはまた、コンピューティングデバイスの組合せ（たとえば、ＤＳＰとマイクロプロセッサとの組合せ）、複数のマイクロプロセッサ、ＤＳＰコアと連携する１つまたは複数のマイクロプロセッサ、または任意の他のそのような構成として実装され得る。したがって、本明細書で使用される「プロセッサ」という用語は、上記の構造のいずれか、上記の構造の任意の組合せ、あるいは本明細書で説明された技法の実装に好適な任意の他の構造または装置を指し得る。さらに、いくつかの態様では、本明細書で説明された機能は、中断されたデータベースアップデートシステムを実装するように構成された専用のソフトウェアモジュールまたはハードウェアモジュール内に提供され得る。

[0211]本明細書で使用される「機械可読媒体」という用語ならびに「機械可読記憶媒体」、「コンピュータ可読媒体」、および「コンピュータ可読記憶媒体」という等価な用語は、ポータブルまたは非ポータブル記憶デバイス、光記憶デバイス、リムーバブルまたは非リムーバブル記憶デバイス、ならびに命令および／またはデータを記憶するか、含んでいるか、または搬送することが可能な様々な他の媒体を含むがそれらに限定されない媒体を指す。コンピュータ可読媒体は、データがそこに記憶され得る非一時的媒体を含み得、それは、ワイヤレスにまたはワイヤード接続を介して伝搬する搬送波および／または一時的電子信号を含まない。非一時的媒体の例は、磁気ディスクまたはテープ、コンパクトディスク（ＣＤ）またはデジタル多用途ディスク（ＤＶＤ）などの光記憶媒体、ソリッドステートドライブ（ＳＳＤ）、フラッシュメモリ、メモリまたはメモリデバイスを含み得るが、それらに限定されない。

[0212]機械可読媒体または機械可読記憶媒体は、プロシージャ、関数、サブプログラム、プログラム、ルーチン、サブルーチン、モジュール、ソフトウェアパッケージ、クラス、あるいは命令、データ構造、またはプログラムステートメントの任意の組合せを表し得る、コードおよび／または機械実行可能命令をその上に記憶していることがある。コードセグメントは、情報、データ、引数、パラメータ、またはメモリコンテンツをパスおよび／または受信することによって、別のコードセグメントまたはハードウェア回路に結合され得る。情報、引数、パラメータ、データなどは、メモリ共有、メッセージパッシング、トークンパッシング、ネットワーク送信などを含む、任意の好適な手段を介してパス、フォワーディング、または送信され得る。機械可読記憶媒体、機械可読媒体、またはコンピュータ可読（記憶）媒体のさらなる例は、特に、揮発性および不揮発性メモリデバイス、フロッピーおよび他のリムーバブルディスク、ハードディスクドライブ、光ディスク（たとえば、ＣＤ、ＤＶＤなど）などの記録可能タイプ媒体と、デジタルおよびアナログ通信リンクなどの送信タイプ媒体とを含むが、それらに限定されない。

[0213]企図され得るように、本明細書の例は、機械可読媒体または機械可読記憶媒体を単一の媒体として示すかまたは指すことがあるが、「機械可読媒体」および「機械可読記憶媒体」という用語は、命令の１つまたは複数のセットを記憶する単一の媒体または複数の媒体（たとえば、集中もしくは分散データベース、ならびに／または関連付けられたキャッシュおよびサーバ）を含むものととられるべきである。「機械可読媒体」および「機械可読記憶媒体」という用語はまた、システムによる実行のための命令のセットを記憶、符号化、または搬送することが可能であり、システムに本明細書で開示される方法またはモジュールのうちの任意の１つまたは複数を実施させる任意の媒体を含むととられるものとする。

[0214]本明細書での詳細な説明のいくつかの部分は、コンピュータメモリ内のデータビットに対する動作のアルゴリズムおよび記号表現に関して提示され得る。これらのアルゴリズムの説明および表現は、データ処理分野の当業者によって、自身の仕事の本質を他の当業者に最も効果的に伝達するために使用される手段である。アルゴリズムは、本明細書では、および一般には、所望の結果をもたらす自己無撞着な一連の動作であると想到される。動作は、物理量の物理的操作を必要とするものである。通常、必ずしも必要とは限らないが、これらの量は、記憶、転送、結合、比較、および他の方法で操作されることが可能な電気信号または磁気信号の形態をとる。主に一般的な用法という理由で、これらの信号をビット、値、要素、記号、文字、項、数、などと呼ぶことが時々便利であることがわかっている。

[0215]ただし、これらおよび同様の用語のすべては、適切な物理量に関連付けられるべきものであり、これらの量に適用される便利なラベルにすぎないことに留意されたい。別段に明記されていない限り、以下の説明から明らかなように、説明全体にわたって、「処理する」または「計算する」または「算出する」または「決定する」または「表示する」または「生成する」などの用語を利用する説明は、コンピュータシステムのレジスタおよびメモリ内の物理（電子）量として表されるデータを操作し、そのデータをコンピュータシステムのメモリまたはレジスタまたは他のそのような情報記憶、送信もしくはディスプレイデバイス内の物理量として同様に表される他のデータに変換するコンピュータシステムまたは同様の電子コンピューティングデバイスの行為およびプロセスを指すことを諒解されたい。

[0216]個々の実装形態は、フローチャート、流れ図、データフロー図、構造図、またはブロック図として示されるプロセス（たとえば、図６～図８に示されているプロセス）として説明され得ることにも留意されたい。フローチャート、流れ図、データフロー図、構造図、またはブロック図は、動作を逐次的なプロセスとして説明することがあるが、動作の多くは、並行してまたは同時に実施され得る。加えて、動作の順序は並べ替えられ得る。図に示されているプロセスの動作が完了されるとき、プロセスは終了されるが、図に含まれない追加のステップを有し得る。プロセスは、メソッド、関数、プロシージャ、サブルーチン、サブプログラムなどに対応し得る。プロセスが関数に対応するとき、それの終了は、呼出し関数またはメイン関数への関数の復帰に対応することができる。

[0217]いくつかの実施形態では、本明細書で説明されたものなどアルゴリズムの１つまたは複数の実装形態は、機械学習または人工知能アルゴリズムを使用して実装され得る。そのような機械学習または人工知能アルゴリズムは、教師あり、教師なし、強化、または他のそのようなトレーニング技法を使用してトレーニングされ得る。たとえば、データのセットは、教師およびフィードバックなしにデータのセットの異なる要素間の相関を識別するために、様々な機械学習アルゴリズムのうちの１つ（たとえば、教師なしトレーニング技法）を使用して分析され得る。機械学習データ分析アルゴリズムはまた、潜在的な相関を識別するためにサンプルまたはライブデータを使用してトレーニングされ得る。そのようなアルゴリズムは、ｋ平均クラスタリングアルゴリズム、ファジーｃ平均（ＦＣＭ）アルゴリズム、期待値最大化（ＥＭ）アルゴリズム、階層クラスタリングアルゴリズム、ノイズのあるアプリケーションの密度ベースの空間クラスタリング（ＤＢＳＣＡＮ）アルゴリズムなどを含み得る。機械学習または人工知能アルゴリズムの他の例は、遺伝的アルゴリズム、バックプロパゲーション、強化学習、決定木、線形分類、人工ニューラルネットワーク、異常検出などを含むが、それらに限定されない。より一般的には、機械学習または人工知能方法は、回帰分析、次元削減、メタ学習、強化学習、深層学習、ならびに他のそのようなアルゴリズムおよび／または方法を含み得る。企図され得るように、「機械学習」および「人工知能」という用語は、これらのフィールド間の重複の程度により、互換的に頻繁に使用され、開示される技法およびアルゴリズムの多くは同様の手法を有する。

[0218]教師ありトレーニング技法の一例として、データのセットは、データのセットのメンバー間の相関の識別を促進するための機械学習モデルのトレーニングのために選択され得る。機械学習モデルは、機械学習モデルに供給されたサンプル入力に基づいて、機械学習モデルがデータのセットのメンバー間の正確な相関を生成しているかどうかを決定するために評価され得る。この評価に基づいて、機械学習モデルは、機械学習モデルが所望の相関を識別する尤度を増加させるように修正され得る。機械学習モデルは、機械学習アルゴリズムまたは人工知能アルゴリズムによって提供された相関の有効性に関してシステムのユーザにフィードバック（すなわち、教師）を要請することによって、さらに動的にトレーニングされ得る。機械学習アルゴリズムまたは人工知能は、相関を生成するためのアルゴリズムを改善するためにこのフィードバックを使用し得る（たとえば、フィードバックは、より正確な相関を提供するように機械学習アルゴリズムまたは人工知能をさらにトレーニングするために使用され得る）。

[0219]本明細書で説明されたフローチャート、流れ図、データフロー図、構造図、またはブロック図の様々な例は、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、またはそれらの任意の組合せによって実装され得る。ソフトウェア、ファームウェア、ミドルウェアまたはマイクロコードで実装されるとき、必要なタスクを実施するためのプログラムコードまたはコードセグメント（たとえば、コンピュータプログラム製品）は、本明細書で説明されたものなど、コンピュータ可読または機械可読記憶媒体（たとえば、プログラムコードまたはコードセグメントを記憶するための媒体）に記憶され得る。集積回路中に実装されたプロセッサは、必要なタスクを実施し得る。

[0220]本明細書で開示される実装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、およ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、またはそ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とのこの互換性を明確に示すために、様々な例示的な構成要素、ブロック、モジュール、回路、およびステップは、概して、それらの機能に関して上記で説明された。そのような機能がハードウェアとして実装されるのか、ソフトウェアとして実装されるのかは、特定の適用例および全体的なシステムに課される設計制約に依存する。当業者は、説明された機能を特定の適用例ごとに様々な方法で実装し得るが、そのような実装の決定は、本開示の範囲からの逸脱を生じるものと解釈されるべきではない。

[0221]しかしながら、本明細書で提示されるアルゴリズムおよびディスプレイは、任意の特定のコンピュータまたは他の装置に本質的に関係しないことに留意されたい。様々な汎用システムは、本明細書の教示に従ってプログラムとともに使用され得るか、またはいくつかの例の方法を実施するためにより特殊な装置を構築するのに便利であるとわかるであろう。様々なこれらのシステムのために必要とされる構造が以下の説明から明らかになるであろう。さらに、技法は、任意の特定のプログラミング言語を参照しながら説明されず、したがって、様々な例は、様々なプログラミング言語を使用して実装され得る。

[0222]様々な実装形態では、システムは、スタンドアロンデバイスとして動作するか、または他のシステムに接続（たとえば、ネットワーク化）され得る。ネットワーク化された展開では、システムは、クライアントサーバネットワーク環境におけるサーバまたはクライアントシステムの容量で、あるいはピアツーピア（または分散）ネットワーク環境におけるピアシステムとして動作し得る。

[0223]システムは、サーバコンピュータ、クライアントコンピュータ、パーソナルコンピュータ（ＰＣ）、タブレットＰＣ（たとえば、ｉＰａｄ（登録商標）、Ｍｉｃｒｏｓｏｆｔ Ｓｕｒｆａｃｅ（登録商標）、Ｃｈｒｏｍｅｂｏｏｋ（登録商標）など）、ラップトップコンピュータ、セットトップボックス（ＳＴＢ）、携帯情報端末（ＰＤＡ）、モバイルデバイス（たとえば、セルラー電話、ｉＰｈｏｎｅ（登録商標）、およびＡｎｄｒｏｉｄ（登録商標）デバイス、Ｂｌａｃｋｂｅｒｒｙ（登録商標）など）、ウェアラブルデバイス、組込み型コンピュータシステム、電子ブックリーダー、プロセッサ、電話、ウェブアプライアンス、ネットワークルータ、スイッチもしくはブリッジ、またはアクションがシステムによってとられることを指定する（逐次的などの）命令のセットを実行することが可能な任意のシステムであり得る。システムはまた、コンピュータデバイス１２０２などの別のコンピュータデバイス上にホストされ得る上述のデバイスのうちの１つの仮想バージョンなどの仮想システムであり得る。

[0224]概して、本開示の実装形態を実装するために実行されるルーチンは、オペレーティングシステムの部分または特定のアプリケーション、構成要素、プログラム、オブジェクト、モジュールまたは「コンピュータプログラム」と呼ばれる一連の命令として実装され得る。コンピュータプログラムは一般に、コンピュータ中の１つもしくは複数の処理ユニットまたはプロセッサによって読み取られ、実行されたときに、コンピュータに、本開示の様々な態様に関与する要素を実行するために動作を実施させる、コンピュータ中の様々なメモリおよび記憶デバイス中のいろいろな時点での１つまたは複数の命令セットを備える。

[0225]さらに、完全に機能するコンピュータおよびコンピュータシステムの文脈で例を説明したが、様々な例が様々な形態のプログラムオブジェクトとして分散されることが可能であること、および分散に実際に影響を及ぼすために使用される特定のタイプの機械またはコンピュータ可読媒体にかかわらず本開示が等しく適用されることを、当業者は諒解されよう。

[0226]いくつかの状況では、バイナリ１からバイナリ０への、またはその逆の状態の変化など、メモリデバイスの動作は、たとえば、物理的変換などの変換を備え得る。特定のタイプのメモリデバイスでは、そのような物理的変換は、異なる状態または物への物品の物理的変換を備え得る。たとえば、限定はしないが、いくつかのタイプのメモリデバイスの場合、状態の変化は、電荷の累積および蓄積、あるいは蓄積された電荷の解放を伴い得る。同様に、他のメモリデバイスでは、状態の変化は、磁気方位の物理的変化もしくは変換または結晶状からアモルファスへのもしくはその逆の分子構造の物理的変化もしくは変換を備え得る。上記は、メモリデバイスにおけるバイナリ１のバイナリ０へのまたはその逆への状態の変化が物理的変換などの変換を備え得る、すべての例の網羅的なリストになるように意図されていない。むしろ、上記は例示的な例として意図される。

[0227]記憶媒体は、一般に、非一時的であるか、または非一時的デバイスを備え得る。このコンテキストでは、非一時的記憶媒体は、有形であるデバイスを含み得、これは、デバイスが具体的な物理的形態を有することを意味するが、デバイスはそれの物理的状態を変化し得る。したがって、たとえば、非一時的は、状態のこの変化にもかかわらず有形のままであるデバイスを指す。

[0228]上記の説明および図面は、例示的なものであり、主題を開示される正確な形態に限定または制限するものと解釈されるべきではない。当業者であれば、多数の修正および変更が、上記の開示に照らして可能であり、本明細書に記載された実施形態のより広い範囲から逸脱することなくそれに対して行われ得ることを諒解することができる。本開示の完全な理解を提供するために、多数の具体的な詳細について説明された。しかしながら、いくつかの事例では、説明を不明瞭にすることを回避するために、よく知られているまたは従来の詳細について説明されていない。

[0229]本明細書で使用される「接続された」、「結合された」という用語またはそれの任意の変形態は、システムのモジュールに適用されるときに、２つまたはそれ以上の要素の間での直接的または間接的のいずれかで任意の接続または結合を意味し、要素間の接続の結合は、物理的、論理的、またはそれらの任意の組合せであり得る。さらに、「本明細書で（herein）」、「上記で（above）」、「以下で（below）」という用語、および同様の意味の用語は、本明細書で使用されるとき、本明細書の任意の特定の部分ではなく、本明細書を全体として指すものとする。コンテキストが許せば、単数または複数を使用する、上記の発明を実施するための形態における用語は、それぞれ複数または単数をも含み得る。２つまたはそれ以上の項目のリストに関する「または（or）」という用語は、リスト中の項目のうちのいずれか、リスト中の項目のうちのすべて、またはリスト中の項目の任意の組合せという用語の解釈のうちのすべてをカバーする。

[0230]本明細書で使用される「ａ」および「ａｎ」および「ｔｈｅ」という用語ならびに他のそのような単数形の指示対象は、本明細書で別段に示されていない限りまたはコンテキストによって明らかに否定されない限り、単数形と複数形の両方を含むと解釈されるべきである。

[0231]本明細書で使用される「備える（comprising）」、「有する（having）」、「含む（including）」、および「含んでいる（containing）」という用語は、別段に示されていない限りまたはコンテキストによって明らかに否定されない限り、オープンエンドとして解釈されるべきである（たとえば、「含む」は、「含むが、それに限定されない」として解釈されるべきである）。

[0232]本明細書で使用される値の範囲の具陳は、別段に示されていない限りまたはコンテキストによって明らかに否定されない限り、範囲内に入っている各別個の値を個々に参照する速記方法として機能するものである。したがって、範囲の各別個の値は、それが本明細書で個々に具陳されたかのように本明細書に組み込まれる。

[0233]本明細書で使用される「セット」（たとえば、「項目のセット」）および「サブセット」（たとえば、「項目のセットのうちのサブセット」）という用語の使用は、別段に示されていない限りまたはコンテキストによって明らかに否定されない限り、１つまたは複数の要素を含む空でない集合として解釈されるべきである。さらに、別段に示されていない限りまたはコンテキストによって明らかに否定されない限り、対応するセットのうちの「サブセット」という用語は、対応するセットのうちの真部分集合を必ずしも示すとは限らず、サブセットおよびセットは同じ要素を含み得る（すなわち、セットおよびサブセットは同じであり得る）。

[0234]本明細書で使用される「Ａ、Ｂ、およびＣのうちの少なくとも１つ」などの結合的文言の使用は、別段に示されていない限りまたはコンテキストによって明らかに否定されない限り、Ａ、Ｂ、およびＣのうちの１つまたは複数（たとえば、セット｛Ａ，Ｂ，Ｃ｝のうちの以下の空でないサブセットのいずれか１つ、すなわち：｛Ａ｝、｛Ｂ｝、｛Ｃ｝、｛Ａ，Ｂ｝、｛Ａ，Ｃ｝、｛Ｂ，Ｃ｝、または｛Ａ，Ｂ，Ｃ｝）を示すものとして解釈されるべきである。したがって、「Ａ、Ｂ、およびＣのうちの少なくとも１つ」などの結合的文言は、Ａの少なくとも１つ、Ｂの少なくとも１つ、およびＣの少なくとも１つの要件を暗示しない。

[0235]本明細書で使用される例または例示的文言（たとえば、「など」または「一例として」）の使用は、実施形態をより明らかに示すことを意図されており、別段に請求されていない限り、範囲に対して限定を課しない。本明細書におけるそのような文言は、任意の請求されていない要素が、本開示で説明および請求される実施形態の実践のために要求されることを示すと解釈されるべきではない。

[0236]本明細書で使用されるとき、構成要素がいくつかの動作を実施する「ように構成される」ものとして説明される場合、そのような構成は、たとえば、動作を実施するように電子回路または他のハードウェアを設計することによって、動作を実施するようにプログラマブル電子回路（たとえば、マイクロプロセッサ、または他の好適な電子回路）をプログラムすることによって、あるいはそれらの任意の組合せで達成され得る。

[0237]開示される主題が、以下に示されていない他の形態および様式で具現され得ることを、当業者は諒解されよう。第１の（first）、第２の（second）、上部の（top）および下部の（bottom）などの関係を示す用語の使用は、もしあれば、１つのエンティティまたはアクションを、そのようなエンティティまたはアクションの間のいかなるそのような実際の関係または順序を必ずしも必要とするかまたは暗示することなしに、別のものと区別するためにのみ使用されることを理解されたい。

[0238]プロセスまたはブロックが所与の順序で提示されているが、代替実装形態は、異なる順序で、ステップを有するルーチンを実施するか、またはブロックを有するシステムを採用し得、いくつかのプロセスまたはブロックは、代替または部分組合せを提供するために削除、移動、追加、再分割、置換、結合、および／または修正され得る。これらのプロセスまたはブロックの各々は、様々な異なる方法で実装され得る。また、プロセスまたはブロックは、時々連続して実施されているように示されているが、これらのプロセスまたはブロックは、代わりに並行して実施され得るか、または異なる時間に実施され得る。さらに、本明細書において言及された任意の特定の数は例にすぎず、代替実装形態は、異なる値または範囲を採用し得る。

[0239]本明細書で提供される開示の教示は、必ずしも上記で説明されたシステムに限らず他のシステムに適用され得る。上記で説明された様々な例の要素および行為は、さらなる例を与えるために組み合わされ得る。

[0240]添付の出願書類中にリストされ得るものを含む上記で言及された任意の特許および出願および他の参考文献は、参照により本明細書に組み込まれる。本開示の態様は、必要な場合、本開示のまたさらなる例を与えるために上記で説明された様々な参考文献のシステム、機能、および概念を採用するために修正され得る。

[0241]これらおよび他の変更は、上記の発明を実施するための形態に照らして本開示に行われ得る。上記の説明ではいくつかの例について説明し、企図される最良の態様について説明しているが、文章中でいかに上記の詳述されているように見えたとしても、教示は多くの方法で実践され得る。システムの詳細は、本明細書で開示される主題によって依然として包含されるが、それの実装詳細において大幅に変動し得る。上記のように、本開示のいくつかの特徴または態様について説明するときに使用される特定の用語は、その用語が関連付けられる開示の任意の特定の特性、特徴、または態様に制限されるように、その用語が本明細書で再定義されていることを暗示するものととられるべきではない。概して、以下の特許請求の範囲において使用される用語は、上記の発明を実施するための形態セクションがそのような用語を明示的に定義しない限り、本明細書において開示される特定の実装形態に本開示を制限するものと解釈されるべきではない。したがって、本開示の実際の範囲は、開示される実装形態だけでなく、特許請求の範囲の下で本開示を実施または実装するすべての等価な方法をも包含する。

[0242]本開示のいくつかの態様がいくつかの請求項の形式で以下に提示されているが、発明者は、任意の数の請求項の形式で本開示の様々な態様を企図する。米国特許法第１１２条（ｆ）の下で扱われることが意図されるあらゆる請求項は、「ための手段（means for）」という用語で始まることになる。したがって、出願人は、本開示の他の態様のためのそのような追加の請求項の形式を遂行するために本出願を出願した後に追加の請求項を追加する権利を留保する。

[0243]本明細書で使用される用語は、概して、本開示のコンテキスト内で各用語が使用される特定のコンテキストにおいて当技術分野におけるそれらの通常の意味を有する。本開示について説明するために使用されるいくつかの用語は、本開示の説明に関して実務家に追加の案内を与えるために上記でまたは本明細書の他の場所で説明される。便宜上、いくつかの用語は、たとえば、大文字化、イタリック体、および／または引用符を使用して強調され得る。強調の使用は、用語の範囲および意味に対して影響を及ぼさず、用語の範囲および意味は、それが強調されているか否かにかかわらず、同じコンテキストにおいて同じである。同じ要素が２つ以上の方法で説明され得ることを諒解されよう。

[0244]したがって、代替的な文言および同義語が本明細書で説明される用語のうちのいずれか１つまたは複数について使用され得、また、用語が本明細書で詳述または説明されるか否かにいかなる特別な重要性も置かれるべきではない。いくつかの用語のための類義語が提供される。１つまたは複数の類義語の詳述は他の類義語の使用を除外しない。本明細書で説明されたあらゆる用語の例を含む本明細書の任意の場所での例の使用は、例示的なものにすぎず、本開示またはあらゆる例示された用語の範囲および意味をさらに限定することは意図されない。同様に、本開示は、本明細書で与えられる様々な例に限定されない。

[0245]本開示の範囲をさらに限定する意図なしに、本開示の例による機器（instrument）、装置、方法およびそれらの関係する結果の例が以下で与えられる。タイトルまたはサブタイトルが読者の便宜のために例中で使用され得、いかなる場合も、これは、本開示の範囲を限定するべきでないことに留意されたい。別段に定義されていない限り、本明細書で使用されるすべての技術的なおよび科学的な用語は、本開示が関係する当業者によって一般に理解されるものと同じ意味を有する。矛盾する場合、定義を含めて、本文書が優先することにする。

[0246]本明細書のいくつかの部分は、情報に対する動作のアルゴリズムおよび記号表現に関して例について説明する。これらのアルゴリズムの説明および表現は、データ処理分野の当業者によって、自身の仕事の本質を他の当業者に効果的に伝達するために一般的に使用される。これらの動作は、機能的に、計算量的に、または論理的に説明されているが、コンピュータプログラムまたは等価な電気回路、マイクロコードなどによって実装されると理解される。さらに、一般性を失うことなく、モジュールとして動作のこれらの構成に言及することが時々好都合であることもわかっている。説明された動作およびそれらの関連するモジュールは、ソフトウェア、ファームウェア、ハードウェア、またはそれらの任意の組合せで具現され得る。

[0247]本明細書で説明されたステップ、動作、またはプロセスのいずれかは、単独でまたは他のデバイスと組み合わせて、１つまたは複数のハードウェアまたはソフトウェアモジュールを用いて実施または実装され得る。いくつかの例では、ソフトウェアモジュールは、コンピュータプログラムコードを含んでいるコンピュータ可読媒体を備えるコンピュータプログラムオブジェクトで実装され、これにより、説明されたステップ、動作、またはプロセスのうちのいずれかまたはすべてを実施するためのコンピュータプロセッサによって実行され得る。

[0248]例はまた、本明細書における動作を実施するための装置に関係し得る。この装置は、必要とされる目的のために特別に構築され得る、および／またはコンピュータ中に記憶されたコンピュータプログラムにより選択的に起動もしくは再構成される汎用コンピューティングデバイスを備え得る。そのようなコンピュータプログラムは、コンピュータシステムバスに結合され得る、非一時的有形コンピュータ可読記憶媒体、または電子命令を記憶するのに好適な任意のタイプの媒体に記憶され得る。さらに、本明細書で言及された任意のコンピューティングシステムは、単一のプロセッサを含み得るか、または増加した計算能力のために複数のプロセッサ設計を採用したアーキテクチャであり得る。

[0249]例はまた、本明細書で説明されたコンピューティングプロセスによって生成されるオブジェクトに関係し得る。そのようなオブジェクトは、コンピューティングプロセスから生じる情報を備え得、この情報は、非一時的有形コンピュータ可読記憶媒体上に記憶され、本明細書で説明されるコンピュータプログラムオブジェクトまたは他のデータの組合せの任意の実装形態を含み得る。

[0250]本明細書において使用される文言は、主に、読みやすさおよび教示目的のために選択されており、それは、主題を画成または制限するために選択されていないことがある。したがって、本開示の範囲は、この詳細な説明によってではなく、本明細書に基づく出願を基に発布される任意の請求項によって限定されることが意図される。したがって、例の開示は、以下の特許請求の範囲に記載されている主題の範囲の限定ではなく、説明のためのものであることが意図される。

[0251]コンテキスト接続システムのためのシステムおよび構成要素の様々な実装形態の完全な理解を提供するために、具体的な詳細が前の説明で与えられた。しかしながら、上記で説明された実装形態がこれらの具体的な詳細なしに実践され得ることを当業者は理解されよう。たとえば、回路、システム、ネットワーク、プロセス、および他の構成要素は、実施形態を不要な詳細で不明瞭にしないように、ブロック図の形式において構成要素として示されることがある。他の事例では、実施形態を不明瞭にすることを回避するために、よく知られている回路、プロセス、アルゴリズム、構造、および技法は不要な詳細なしに示されることがある。

[0252]本技術の上記の詳細な説明は、例示および説明のために提示された。それは、網羅的なものでも、開示された形態そのものに本技術を限定するものでもない。上記の教示に照らして、多くの修正形態および変形形態が可能である。本技術の原理およびそれの実際的適用例について最良に説明し、他の当業者が、様々な実施形態において、企図された特定の用途に好適であるような様々な修正を加えて本技術を最良に利用することを可能にするために、説明される実施形態が選定された。本技術の範囲は特許請求の範囲によって定義されることが意図される。

Claims (24)

1. コンピュータ実装方法であって、
   メッセージのセットが交換されているとき、メンバーと代理との間でメッセージの前記セットをリアルタイムで受信することと、
   前記メンバーに固有の目標と前記目標を達成するための時間枠とを自動的に識別するために、メッセージの前記セットをリアルタイムで処理することと、ここにおいて、メッセージの前記セットは、前記メンバーに対応するメンバープロファイルにおいて指定されたメンバー属性と、同様の状況にあるメンバーについての以前に識別された目標に対応する履歴データとに従って処理される、
   前記目標を達成するためのタスクグルーピングを識別することと、ここにおいて、前記タスクグルーピングは、前記目標に関連付けられた特性のセットに基づいて決定され、および、ここにおいて、前記タスクグルーピングは、前記目標を達成するための方法に対応する、
   前記タスクグルーピングに対応する提案オプションを生成することと、
   前記提案オプションの選択に対応する入力を受信することと、ここにおいて、前記選択は、前記タスクグルーピングが前記目標を達成するために実施されるべきであることを示す、
   前記時間枠に従ってリアルタイムで前記タスクグルーピングの実施を監視することと、
   前記メンバープロファイルを更新することと、ここにおいて、前記メンバープロファイルは、前記目標と、前記提案オプションと、前記選択と、前記タスクグルーピングの前記実施とを使用して更新される、
   を備える、コンピュータ実装方法。
2. 前記時間枠に従って、前記タスクグルーピングの１つまたは複数のタスクが完了していないと決定することと、
   前記タスクグルーピングの完了のための新しい時間枠を生成することと、
   前記新しい時間枠に従って前記タスクグルーピングの前記実施を監視することと
   をさらに備える、請求項１に記載のコンピュータ実装方法。
3. 前記タスクグルーピングの前記実施を監視することは、
   前記メンバーに関連付けられた１つまたは複数のパーソナルデバイスからリアルタイムでデータを受信することと、
   前記データが前記タスクグルーピングに関連付けられたタスクの完了に対応するかどうかを決定するために、前記メンバーに関連付けられた前記１つまたは複数のパーソナルデバイスからの前記データを処理することと
   を含む、請求項１に記載のコンピュータ実装方法。
4. 前記タスクグルーピングの前記実施を監視することは、
   メッセージの新しいセットが交換されているとき、前記メンバーと前記代理との間でメッセージの前記新しいセットをリアルタイムで受信することと、
   前記タスクグルーピングの前記実施を決定するために自然言語処理（ＮＬＰ）アルゴリズムを使用することと、ここにおいて、前記ＮＬＰアルゴリズムは、入力としてメッセージの前記新しいセットを使用する、
   を含む、請求項１に記載のコンピュータ実装方法。
5. 前記時間枠に従って、前記タスクグルーピングに関連付けられた１つまたは複数のタスクが完了していないと決定することと、
   前記時間枠に従って前記目標を達成するための新しいタスクグルーピングを識別することと、
   前記新しいタスクグルーピングを提供するために新しい提案オプションを生成することと
   をさらに備える、請求項１に記載のコンピュータ実装方法。
6. 前記メンバーの認知負荷スコアを計算することと、ここにおいて、前記認知負荷スコアは、実施されている前記メンバーに関連付けられたアクティブタスクに基づいて計算される、
   前記認知負荷スコアに基づいて、前記目標を達成するための前記時間枠が実現可能であるかどうかを決定することと
   をさらに備える、請求項１に記載のコンピュータ実装方法。
7. 前記同様の状況にあるメンバーは、前記メンバーと前記同様の状況にあるメンバーとの間の類似性の１つまたは複数のベクトルに従って、クラスタリングアルゴリズムを使用して識別される、請求項１に記載のコンピュータ実装方法。
8. 前記タスクグルーピングは、タスクグルーピングの順序付けから選択され、前記タスクグルーピングは、前記目標を達成するために実施されるべき特定のタスクグルーピングを前記メンバーが選択する尤度に従って順序付けられる、請求項１に記載のコンピュータ実装方法。
9. １つまたは複数のプロセッサと、
   命令を記憶するメモリと
   を備える、システムであって、前記命令は、前記１つまたは複数のプロセッサによって実行されたことの結果として、前記システムに、
   メッセージのセットが交換されているとき、メンバーと代理との間でメッセージの前記セットをリアルタイムで受信することと、
   前記メンバーに固有の目標と前記目標を達成するための時間枠とを自動的に識別するために、メッセージの前記セットをリアルタイムで処理することと、ここにおいて、メッセージの前記セットは、前記メンバーに対応するメンバープロファイルにおいて指定されたメンバー属性と、同様の状況にあるメンバーについての以前に識別された目標に対応する履歴データとに従って処理される、
   前記目標を達成するためのタスクグルーピングを識別することと、ここにおいて、前記タスクグルーピングは、前記目標に関連付けられた特性のセットに基づいて決定され、および、ここにおいて、前記タスクグルーピングは、前記目標を達成するための方法に対応する、
   前記タスクグルーピングに対応する提案オプションを生成することと、
   前記提案オプションの選択に対応する入力を受信することと、ここにおいて、前記選択は、前記タスクグルーピングが前記目標を達成するために実施されるべきであることを示す、
   前記時間枠に従ってリアルタイムで前記タスクグルーピングの実施を監視することと、
   前記メンバープロファイルを更新することと、ここにおいて、前記メンバープロファイルは、前記目標と、前記提案オプションと、前記選択と、前記タスクグルーピングの前記実施とを使用して更新される、
   を行わせる、システム。
10. 前記命令は、前記システムに、
    前記時間枠に従って、前記タスクグルーピングの１つまたは複数のタスクが完了していないと決定することと、
    前記タスクグルーピングの完了のための新しい時間枠を生成することと、
    前記新しい時間枠に従って前記タスクグルーピングの前記実施を監視することと
    をさらに行わせる、請求項９に記載のシステム。
11. 前記システムに前記タスクグルーピングの前記実施を監視させる前記命令は、前記システムに、
    前記メンバーに関連付けられた１つまたは複数のパーソナルデバイスからリアルタイムでデータを受信することと、
    前記データが前記タスクグルーピングに関連付けられたタスクの完了に対応するかどうかを決定するために、前記メンバーに関連付けられた前記１つまたは複数のパーソナルデバイスからの前記データを処理することと
    をさらに行わせる、請求項９に記載のシステム。
12. 前記システムに前記タスクグルーピングの前記実施を監視させる前記命令は、前記システムに、
    メッセージの新しいセットが交換されているとき、前記メンバーと前記代理との間でメッセージの前記新しいセットをリアルタイムで受信することと、
    前記タスクグルーピングの前記実施を決定するために自然言語処理（ＮＬＰ）アルゴリズムを使用することと、ここにおいて、前記ＮＬＰアルゴリズムは、入力としてメッセージの前記新しいセットを使用する、
    をさらに行わせる、請求項９に記載のシステム。
13. 前記命令は、前記システムに、
    前記時間枠に従って、前記タスクグルーピングに関連付けられた１つまたは複数のタスクが完了していないと決定することと、
    前記時間枠に従って前記目標を達成するための新しいタスクグルーピングを識別することと、
    前記新しいタスクグルーピングを提供するために新しい提案オプションを生成することと
    をさらに行わせる、請求項９に記載のシステム。
14. 前記命令は、前記システムに、
    前記メンバーの認知負荷スコアを計算することと、ここにおいて、前記認知負荷スコアは、実施されている前記メンバーに関連付けられたアクティブタスクに基づいて計算される、
    前記認知負荷スコアに基づいて、前記目標を達成するための前記時間枠が実現可能であるかどうかを決定することと
    をさらに行わせる、請求項９に記載のシステム。
15. 前記同様の状況にあるメンバーは、前記メンバーと前記同様の状況にあるメンバーとの間の類似性の１つまたは複数のベクトルに従って、クラスタリングアルゴリズムを使用して識別される、請求項９に記載のシステム。
16. 前記タスクグルーピングは、タスクグルーピングの順序付けから選択され、ここにおいて、前記タスクグルーピングは、前記目標を達成するために実施されるべき特定のタスクグルーピングを前記メンバーが選択する尤度に従って順序付けられる、請求項９に記載のシステム。
17. 実行可能命令を記憶する非一時的コンピュータ可読記憶媒体であって、前記実行可能命令は、コンピュータシステムによって実行されたことの結果として、前記コンピュータシステムに、
    メッセージのセットが交換されているとき、メンバーと代理との間でメッセージの前記セットをリアルタイムで受信することと、
    前記メンバーに固有の目標と前記目標を達成するための時間枠とを自動的に識別するために、メッセージの前記セットをリアルタイムで処理することと、ここにおいて、メッセージの前記セットは、前記メンバーに対応するメンバープロファイルにおいて指定されたメンバー属性と、同様の状況にあるメンバーについての以前に識別された目標に対応する履歴データとに従って処理される、
    前記目標を達成するためのタスクグルーピングを識別することと、ここにおいて、前記タスクグルーピングは、前記目標に関連付けられた特性のセットに基づいて決定され、および、ここにおいて、前記タスクグルーピングは、前記目標を達成するための方法に対応する、
    前記タスクグルーピングに対応する提案オプションを生成することと、
    前記提案オプションの選択に対応する入力を受信することと、ここにおいて、前記選択は、前記タスクグルーピングが前記目標を達成するために実施されるべきであることを示す、
    前記時間枠に従ってリアルタイムで前記タスクグルーピングの実施を監視することと、
    前記メンバープロファイルを更新することと、ここにおいて、前記メンバープロファイルは、前記目標と、前記提案オプションと、前記選択と、前記タスクグルーピングの前記実施とを使用して更新される、
    を行わせる、非一時的コンピュータ可読記憶媒体。
18. 前記実行可能命令は、前記コンピュータシステムに、
    前記時間枠に従って、前記タスクグルーピングの１つまたは複数のタスクが完了していないと決定することと、
    前記タスクグルーピングの完了のための新しい時間枠を生成することと、
    前記新しい時間枠に従って前記タスクグルーピングの前記実施を監視することと
    をさらに行わせる、請求項１７に記載の非一時的コンピュータ可読記憶媒体。
19. 前記コンピュータシステムに前記タスクグルーピングの前記実施を監視させる前記実行可能命令は、前記コンピュータシステムに、
    前記メンバーに関連付けられた１つまたは複数のパーソナルデバイスからリアルタイムでデータを受信することと、
    前記データが前記タスクグルーピングに関連付けられたタスクの完了に対応するかどうかを決定するために、前記メンバーに関連付けられた前記１つまたは複数のパーソナルデバイスからの前記データを処理することと
    をさらに行わせる、請求項１７に記載の非一時的コンピュータ可読記憶媒体。
20. 前記コンピュータシステムに前記タスクグルーピングの前記実施を監視させる前記実行可能命令は、前記コンピュータシステムに、
    メッセージの新しいセットが交換されているとき、前記メンバーと前記代理との間でメッセージの前記新しいセットをリアルタイムで受信することと、
    前記タスクグルーピングの前記実施を決定するために自然言語処理（ＮＬＰ）アルゴリズムを使用することと、ここにおいて、前記ＮＬＰアルゴリズムは、入力としてメッセージの前記新しいセットを使用する、
    をさらに行わせる、請求項１７に記載の非一時的コンピュータ可読記憶媒体。
21. 前記実行可能命令は、前記コンピュータシステムに、
    前記時間枠に従って、前記タスクグルーピングに関連付けられた１つまたは複数のタスクが完了していないと決定することと、
    前記時間枠に従って前記目標を達成するための新しいタスクグルーピングを識別することと、
    前記新しいタスクグルーピングを提供するために新しい提案オプションを生成することと
    をさらに行わせる、請求項１７に記載の非一時的コンピュータ可読記憶媒体。
22. 前記実行可能命令は、前記コンピュータシステムに、
    前記メンバーの認知負荷スコアを計算することと、ここにおいて、前記認知負荷スコアは、実施されている前記メンバーに関連付けられたアクティブタスクに基づいて計算される、
    前記認知負荷スコアに基づいて、前記目標を達成するための前記時間枠が実現可能であるかどうかを決定することと
    をさらに行わせる、請求項１７に記載の非一時的コンピュータ可読記憶媒体。
23. 前記同様の状況にあるメンバーは、前記メンバーと前記同様の状況にあるメンバーとの間の類似性の１つまたは複数のベクトルに従って、クラスタリングアルゴリズムを使用して識別される、請求項１７に記載の非一時的コンピュータ可読記憶媒体。
24. 前記タスクグルーピングは、タスクグルーピングの順序付けから選択され、ここにおいて、前記タスクグルーピングは、前記目標を達成するために実施されるべき特定のタスクグルーピングを前記メンバーが選択する尤度に従って順序付けられる、請求項１７に記載の非一時的コンピュータ可読記憶媒体。

Images