CN101556622A - 在发送推荐之前提供预期的合意性信息 - Google Patents

Abstract

本发明涉及在发送推荐之前提供预期的合意性信息。描述了用于提供信息给推荐用户的系统和方法，该信息反映了对于潜在推荐接受者或者潜在推荐接受者的组，对媒体项的推荐的预期或者预计的合意性。在一个实施例里，推荐用户选择媒体项以潜在地推荐给其他用户。对于每一个潜在推荐接受者或者潜在推荐接受者的组，反映媒体项的预期合意性的预期的合意性值被确定。该预期的合意性值接着被呈现给推荐用户。基于该预期的合意性值，推荐用户接着选择一个或多个潜在推荐接受者或者潜在推荐接受者的组，向其发送对媒体项的推荐。

Description

在发送推荐之前提供预期的合意性信息

技术领域

本发明涉及将对媒体项的推荐从推荐用户(recommending user)发送到一个或多个接受者(recipient)。

背景技术

已知这样的系统，其允许用户推荐媒体项(例如歌)给其他的用户。然而，在这些系统里，推荐用户没有任何方式能够在该推荐用户发送该推荐之前知道，对于另一个用户来说，对媒体项的推荐是否是所期望的(desirable)。因此，需要提供改进的推荐系统和方法。

发明内容

本发明涉及提供信息给推荐用户，该信息反映了对于潜在的推荐接受者或者潜在的推荐接受者组来说，媒体项的推荐的预期(或者预计)的合意性。在一个实施例里，推荐用户选择媒体项以潜在地推荐给其他用户。对于每一个潜在的推荐接受者或者潜在的推荐接受者组来说，反映了媒体项的预期合意性值的预期的合意性值(expected desirability value)被确定。该预期的合意性值接着被呈现给推荐用户。基于该预期的合意性值，该推荐用户接着选择一个或多个潜在的推荐接受者或者潜在的推荐接受者组，以对其发送对媒体项的推荐。对该媒体项的推荐接着被发送给该推荐用户选择的一个或多个潜在的推荐接受者或者潜在的推荐接受者组。

在一个实施例中，预期的合意性值是基于潜在推荐接受者的用户偏好而确定的值。此外，该预期的合意性值可以取决于潜在推荐接受者的播放历史、潜在推荐接受者的人口统计信息、潜在推荐接受者对于由推荐用户和/或其他推荐用户先前作出的推荐的接受能力(receptiveness)等。对于潜在推荐接受者的组来说，该预期的合意性值可以是，例如，在组内的潜在推荐接受者的预期的合意性值的平均值，或者是基于在组内的潜在推荐接受者的用户偏好的聚集(aggregate)而确定的值。

在阅读了下面的优选实施例的详细描述以及附图后，本领域技术人员将认识到本发明的范围并且实现其额外的方面。

附图说明

包含于说明书内并且构成说明书一部分的附图说明了发明的几个方面，并且与说明一起用于解释本发明的原则。

图1是说明根据本发明一个实施例的推荐过程的流程图；

图2到5说明了根据本发明各种实施例的用于呈现预期的合意性信息给推荐用户的图形用户接口(GUI)；

图6说明了根据本发明一个实施例的使得推荐用户能够配置设置的GUI，该设置与阻止推荐被发送给某些潜在推荐接受者相关；

图7说明了根据本发明一个实施例的推荐系统；

图8说明了根据本发明一个实施例的图7的推荐系统的操作；

图9是根据本发明一个实施例的图7的中央系统的框图；以及

图10是根据本发明一个实施例的图7的对等(peer)设备中的一个的框图。

具体实施方式

下面阐述的实施例表示了使得本领域技术人员能够实践本发明以及说明实践本发明的最佳模式的必要信息。在根据附图阅读了下面的说明后，本领域技术人员将理解本发明的原理并且将认识到这些原理除在这里特定提出的之外的应用。要理解的是，这些原理和应用落在公开以及附加权利要求的范围之内。

根据本发明的一个实施例，图1说明了推荐过程的流程图，推荐用户被呈现有这样的信息，该信息反映(reflect)一个或多个媒体项对于一个或多个潜在推荐接受者和/或潜在推荐接受者的组的预期的合意性。首先，从用户(其在这里被称为推荐用户)接收对一个或多个媒体项的选择(步骤200)。接着，对于推荐用户所选择的每一个媒体项，确定值，即确定预期的合意性值，该值反映了对于一个或多个潜在推荐接受者和/或一个或多个潜在推荐接受者组中的每一个，对媒体项的推荐的预期的合意性(步骤202)。尤其是，在一个实施例中，相比于潜在推荐接受者的用户偏好，基于描述媒体项的元数据，确定潜在推荐接受者的预期的合意性值。

此外，预期的合意性值可以取决于潜在推荐接受者的播放历史、潜在推荐接受者的人口统计信息等。进一步的，预期的合意性值可以取决于潜在推荐接受者对于由推荐用户和/或其他推荐用户先前发送的推荐的接受能力。潜在推荐接受者的接受能力可以被以下表示，例如通过潜在推荐接受者已经预览过的推荐用户和/或其他推荐用户先前推荐的一些或一部分媒体项、通过潜在推荐接受者已经购买的推荐用户和/或其他推荐用户先前推荐的一些或一部分媒体项等等。

作为一个例子，预期的合意性值可以是评分(score)，或者评分的函数，定义成：

$\mathrm{Score}=\underset{i}{\mathrm{\Σ}}(W_{\mathrm{CRITERION},i}\·W_{\mathrm{ATTRIBUTE},i})\·100$

其中W_{CRITERION，i}是分配给特定标准(criterion)的加权(weight)，W_{ATTRIBUTE，i}是分配给媒体项推荐标准的特定属性(attribute)的加权。尤其是，作为一个例子，潜在地被推荐的媒体项可以是一首歌，并且用于对歌曲评分的标准可以是流派(genre)或者发布十年期(decade of release)。潜在推荐接受者的用户偏好可以包括分配给流派标准以及发布十年期标准的加权。那么，对于每一个特定的音乐流派，即流派标准的属性，潜在推荐接受者的用户偏好可以进一步包括分配给每一个特定的音乐流派的加权。分配给特定的音乐流派的加权可以通过潜在推荐接受者被手动设置或者基于以下被程序化地分配给音乐的流派，例如，基于潜在推荐接受者的媒体集合(media collection)中的歌曲、潜在推荐接受者的播放历史等。同样地，潜在推荐接受者的用户偏好可以包括分配给一些发布十年期中的每一个(即发布十年期标准的属性)的加权。

接着上面的例子，假定潜在推荐接受者的用户偏好如下：

使用这些被分配给评分标准以及评分标准属性的示范性的加权，用于潜在推荐接受者的评分可以被定义成：

Score＝(W_{GENRE，CRITERION}·W_{GENRE，ATTRIBUTE}+W_{DECADE，CRITERION}·W_{DECADE，ATTRIBUTE})·100

因此，如果潜在地被推荐的媒体项是一首歌并且歌的元数据表明歌来自经典摇滚流派并且在1960s发布，那么潜在推荐接受者的评分为：

$\mathrm{Score}=(\frac{9}{10}\·\frac{5}{10}+\frac{7}{10}\·\frac{4}{10})\·100=73$

对于潜在推荐接受者的组来说，潜在推荐接受者组的预期的合意性值可以是该组潜在推荐接受者的合成(composite)评分或者是该合成评分的函数，该合成评分通过对为组内的潜在推荐接受者单独确定的评分进行组合(combine)来提供。例如，潜在推荐接受者的组的评分可以是在组内的潜在推荐接受者的评分的平均值(average)。可替换地，潜在推荐接受者组的预期的合意性值可以基于组内的潜在推荐接受者的用户偏好的聚集，播放历史的聚集，人口统计信息的聚集等被计算或者以其它方式被确定。例如，使用上述讨论的示范性的用户偏好，用户偏好的聚集可以通过将组内的潜在推荐接受者的相应的标准加权和属性加权取平均而被提供。

对于关于示范性的评分算法的更多信息，感兴趣的读者可以参看于2006年7月11号提交的，公开号为2008/0016205A1，标题为“P2P NETWORK FORPROVIDING REAL TIME MEDIA RECOMMENDATIONS”的美国专利申请，其通过引用整体结合到本文中。然而，要注意的是，用于对媒体项评分的基于用户的用户偏好的任何希望的评分算法都可以被使用。上面讨论的评分方法是示范性的，并不打算限制本发明的范围。同样要注意到当上面讨论的评分算法提供数值评分时，其中预期的合意性值是该数值评分或者是该数值评分的函数，本发明并不限于此。预期的合意性值可以是任意类型的相关值。例如，预期的合意性值可以是数值；例如“高”，“中间”，以及“低”的基于文本的值；例如一星(“＊”)，两星(“＊＊”)，或者三星(“＊＊＊”)的等级；等等。

接着，用于一个或多个潜在推荐接受者和/或一个或多个潜在推荐接受者的组的预期的合意性值被呈现给推荐用户(步骤204)。除了预期的合意性值之外，表示一个或多个媒体项是否已被潜在推荐接受者或者潜在推荐接受者的组播放或者预览的信息，例如该一个或多个被选的媒体项是否在最近已被潜在推荐接受者或者潜在推荐接受者的组播放或者预览的信息，表示该一个或多个被选的媒体项是否被潜在推荐接受者或者潜在推荐接受者的组所拥有的信息，等等能够被呈现给推荐用户。如果媒体项已在先于当前时间的预定的时间量内被播放或者预览，那么该媒体项在最近被播放或者预览。对于潜在推荐接受者的组来说，表示一个或多个被选的媒体项是否在最近被播放或者预览的信息可以是最近播放或者预览了该一个或多个媒体项的组内的一些或者一部分潜在推荐接受者。同样地，表示一个或多个媒体项是否被潜在推荐接受者的组所拥有的信息可以是拥有该一个或多个媒体项的组内的一些或者一部分潜在推荐接受者。该预期的合意性值，以及可选的附加信息帮助推荐用户确定潜在推荐接受者和/或潜在推荐接受者的组是否可能对该一个或者多个被选的媒体项感兴趣。换句话说，该预期的合意性值，以及可选的附加信息帮助推荐用户标识一个或多个潜在推荐接受者和/或潜在推荐接受者的组，若有的话，向其发送对一个或多个被选媒体项的推荐。

接着从推荐用户处接收对于一个或多个潜在推荐接受者和/或一个或多个潜在推荐接受者的组的选择，以向其发送对一个或多个被选媒体项中的每一个的推荐(步骤206)。接着，在步骤200中被推荐用户所选择的对一个或多个媒体项的推荐(一个或多个)被发送给在步骤206中被推荐用户所选择的一个或多个潜在推荐接受者和/或潜在推荐接受者的组(步骤208)。

图2至图5说明了根据本发明一个实施例的使得推荐用户能够发送如相对于图1所述的推荐的图形用户接口(GUI)。图2说明了包括媒体项列表12的GUI 10。作为例子，媒体项列表12可以是例如

媒体播放器的媒体播放器应用内的播放列表。在这个例子里，推荐用户选择媒体项C作为潜在推荐给一个或多个潜在推荐接受者的媒体项。作为响应，潜在推荐接受者列表14被呈现给推荐用户。在一个实施例中，在潜在推荐接受者列表14中的潜在推荐接受者是推荐用户的朋友，或者伙伴(buddy)，并且通过推荐用户的伙伴列表被标识。在这个例子里，潜在推荐接受者列表14还包括预期的合意性值16至26。尤其是，对于潜在推荐接受者Peter来说，相比于描述媒体项C的元数据，预期的合意性值16基于Peter的用户偏好而被计算或者用其它方式被确定。同样的，对于其他潜在推荐接受者Marcia，Cindy，Greg，Bobby，以及Jan来说，18至26的预期的合意性值分别基于媒体项C的元数据和那些潜在推荐接受者的用户偏好而被计算或者用其它方式被确定。在这个例子里，16至26的预期的合意性值表示Peter和Marcia可能对媒体项C感兴趣，Cindy和Greg可能对媒体项C不太感兴趣，Bobby和Jan可能对媒体项C更不感兴趣。

推荐用户能够接着选择一个潜在推荐接受者，向其发送对媒体项C的推荐，例如通过单击期望的接受者的用户名。可替换地，推荐用户能够从潜在推荐接受者列表14中选择多个潜在推荐接受者而不是仅仅一个。

图3说明了根据本发明另一个实施例呈现了预期的合意性值和附加信息的GUI 28，该预期的合意性值和附加信息反映了对于潜在推荐接受者，被选媒体项的推荐的预期的合意性。再一次，在这个示范性的实施例里，推荐用户从媒体项列表30中选择媒体项(媒体项C)。该媒体项列表30例如可以是在媒体播放器应用中的播放列表。响应于媒体项C的选择，潜在推荐接受者列表32被呈现给推荐用户。在这个实施例里，潜在推荐接受者列表32包括潜在推荐接受者的用户名34以及评分36，其作为潜在推荐接受者的预期的合意性值被操作。此外，潜在推荐接受者列表32包括重放指示器(playback indicator)38，其指示每一个潜在推荐接受者播放或者预览媒体项C或者最近播放或预览媒体项C的次数。进一步地，潜在推荐接受者列表32可以包括拥有指示器40，指示媒体项C是否被潜在推荐接受者所拥有或者已经在推荐接受者的媒体集合里。重放指示器38和拥有指示器40所提供的附加信息可以进一步帮助推荐用户从潜在推荐接受者列表32选择对媒体项C的推荐的接受者。

在一个实施例里，本发明可以用诸如在公开号为2008/0016205A1，标题为“P2P NETWORK FOR PROVIDING REAL TIME MEDIARECOMMENDATIONS”的美国专利申请里公开的推荐系统来实施，其通过引用整体结合到本文中。在该系统里，在接收到推荐时，对等设备基于相关用户的用户偏好对所推荐的媒体项评分。接着，如果评分超出第一阈值，对等设备自动下载并且如果必要的话，从诸如例如媒体分布服务(distribution service)的远程源购买所推荐的媒体项。如果评分小于第一阈值，并且可选地，大于较低的第二阈值，则对等设备可以从诸如例如媒体分布服务的远程源自动获得所推荐的媒体项的预览。

从而，在一个实施例里，潜在推荐接受者列表32还能够包括阈值指示器42，指示响应于接收到的对媒体项C的推荐潜在推荐接受者的对等设备是否将自动下载或购买媒体项C或者自动获得媒体项C的预览。该信息将进一步帮助推荐用户从潜在推荐接受者列表32中选择一个或多个对媒体项C的推荐的接受者。

图4说明了根据本发明的另一个实施例的GUI 44，其中推荐用户已选择多个媒体项以潜在地推荐给一个或多个潜在推荐接受者。如所示的，GUI 44包括媒体项列表46。再一次的，媒体项列表46例如可以是媒体播放器应用中的播放列表。然而，本发明并不限于此。当选择了媒体项B、媒体项C、媒体项D之时，潜在推荐接受者列表48被呈现给推荐用户。该推荐用户接着选择一个潜在推荐接受者，其在本例子里为Marcia。作为结果，GUI 44将预期的合意性列表50呈现给推荐用户。该预期的合意性列表50包括信息，该信息反映了基于描述那些媒体项的元数据和Marcia的用户偏好，对于Marcia来说，对媒体项B、媒体项C，、媒体项D的推荐的预期的合意性。在这个例子里，预期的合意性列表50包括对每一个所选媒体项(媒体项B、媒体项C、媒体项D)的评分52，其中评分52作为对于Marcia对那些媒体项的推荐的预期的合意性值而操作。为了触发将对所选媒体项的推荐发送给Marcia，推荐用户可以接着从预期的合意性列表50中选择媒体项B、媒体项C或媒体项D。可替换地，推荐用户能够从预期的合意性列表50中选择超过一个的媒体项以触发将对那些媒体项的推荐发送给Marcia。

图5说明了基本上和图4所示的相同的GUI 44’。然而，在这个实施例里，GUI 44’使得推荐用户能从潜在推荐接受者列表48’中选择潜在推荐接受者组。注意到该潜在推荐接受者组例如可以是同事组、家庭组、篮球组、或者包括推荐用户的所有朋友或伙伴的“全体”组。该潜在推荐接受者组可以由推荐用户的伙伴列表所定义。在这个例子里，推荐用户已选择同事组。作为结果，预期的合意性列表50’被呈现给推荐用户，其中该预期的合意性列表50’包括信息，该信息反映了对于在同事组内的潜在推荐接受者来说对媒体项、媒体项C、媒体项D的推荐的预期的合意性。在这个例子里，预期的合意性列表50’包括对媒体项B、媒体项C、媒体项D的合成评分52’，其作为预期的合意性值而操作。如上所讨论的，合成评分52’可以通过例如将组内的潜在推荐接受者的单独评分取平均而产生，对组内的潜在推荐接受者的用户偏好进行聚集以提供用户偏好的聚集以便用于产生该合成评分52’等等。

图6说明了一个示范性的GUI 53，使得推荐用户能配置定义了情况的设置(setting)，在该情况下推荐将不被发送给潜在推荐接受者。在这个例子里，如果预期的合意性值小于一个阈值，对媒体项的推荐将不被发送给潜在推荐接受者。该阈值可以是用户定义的阈值、下载阈值或者预览阈值。在这个例子里，如果预期的合意性值小于60，推荐用户选择阻止发送推荐给潜在推荐接受者。此外，如果潜在推荐接受者已经拥有或者已经以其它方式获得媒体项或者如果潜在推荐接受者最近已经播放或者预览该潜在的推荐，推荐用户选择阻止发送推荐给潜在推荐接受者。

注意到如果上面的设置阻止推荐被发送给潜在推荐接受者，该潜在推荐接受者可以“变灰(grayed-out)”或者不在GUI 10(图2)、GUI 28(图3)、GUI 44(图4)或者是GUI 44’(图5)中示出。对于潜在推荐接受者组而言，当推荐用户选择向其发送推荐的该潜在推荐接受者组时，该推荐将不被发送给符合GUI 53中定义的标准的组内的那些潜在推荐接受者。因此，在这个例子里，推荐将不被发送给组内的那些潜在推荐接受者，其预期的合意性值不满足所选择的阈值，其已经拥有或已经获得媒体项，或者最近已经播放或者预览该媒体项。

图7说明了根据本发明一个实施例的推荐系统54。通常，该推荐系统54包括中央系统56以及具有相关联用户60-1至60-N的许多对等设备58-1至58-N。该中央系统56和该对等设备58-1至58-N经由网络62在通信上耦合。该网络62可以是广域网(WAN)、局域网(LAN)、或者其组合，并且可以包括有线部件、无线部件、或者有线和无线部件二者。例如，网络62可以是因特网。

中央系统56可以被实施为一个或多个物理服务器。通常，该中央系统56包括推荐服务器63以及用户帐号(user account)64。该推荐服务器63可以实施于软件，硬件或者其组合中。用户帐号64可以包括用户60-1至60-N中的每一个的用户帐号66。每一个用户帐号66包括相应用户的播放历史68、相应用户的用户偏好70、标识在相应用户的媒体集合里的媒体项的媒体集合信息72、以及可选的相应用户的伙伴列表74。该播放历史68可以包括例如标识相应用户播放或者预览的每一个媒体项的信息。此外，播放历史68可以包括用于每一个被播放的媒体项的时间戳，其指示媒体项被播放或者预览的时间和/或日期。用户60-1至60-N的播放历史68可以由对等设备58-1至58-N提供。例如，由于媒体项在对等设备58-1上被播放，对等设备58-1能够发送那些媒体项的标识符和时间戳给中央系统56以便存储在用户60-1的用户帐号66里。

用户偏好70通常包括定义相应用户的喜好和/或不喜好的信息。例如，用户60-1的用户偏好70使得在为用户60-1而推荐媒体项之前，其他用户60-2至60-N的对等设备58-2至58-N能够确定媒体项对于用户60-1的预期的合意性。例如，用户的用户偏好70能够包括分配给例如音乐流派、发布的十年期、艺术家、唱片集、每分钟的拍子数(beats-per-minute)、推荐用户、视频流派、男演员或者女演员等等的许多评分标准中的每一个的优选权(priority)或者加权。此外，对于每一个评分标准来说，用户偏好70能够包括分配给那个评分标准的许多属性或者潜在值中的每一个的加权。例如，如果音乐流派是评分标准，那么例如乡村、摇滚、经典摇滚、选择性等等的许多音乐流派中的每一个都能被分派给加权或优先权。该用户偏好70能够被用户60-1至60-N手动定义或者基于用户60-1至60-N的播放历史68、用户60-1至60-N的媒体集合信息等被程序化地定义。

媒体集合信息72能够包括，例如，在相应用户的媒体集合里的每一个媒体项的全局唯一标识符(GUID)。此外或者可替换地，媒体集合信息72能够包括描述媒体项的元数据。例如，对于一首歌，描述这首歌的元数据可以包括歌曲的名称、歌曲的艺术家、发布该歌曲的唱片集、发布的日期或者十年期、每分钟的拍子数、歌词等等。媒体集合信息72能够以任何想要的方式获得。例如，对等设备58-1至58-N能够上载媒体集合信息72到中央系统56。然而，本发明并不陷于此。

伙伴列表74包括标识相应用户的朋友或者伙伴的信息。伙伴列表74可以被创建以用于推荐系统54中。此外或者可替换地，伙伴列表74能够利用用户60-1至60-N的一个或多个社交网络应用的伙伴列表或者联系列表而被创建或者填充，例如，即时消息应用的伙伴列表、邮件联系列表、例如Facebook或者MySpace的在线社交网络站点的联系列表或者伙伴列表等等。注意到，用户60-1至60-N的伙伴列表74能够附加地或者可替换地被存储在相应的对等设备58-1至58-N处。

对等设备58-1至58-N通常是具有网络能力的用户设备。例如，每一个对等设备58-1至58-N可以是个人计算机、例如具有WiFi能力的

这样的便携式媒体播放器、例如

iPhone的移动电话、机顶盒等等。如所示的，对等设备58-1包括媒体播放器功能76-1，包括许多媒体项80的媒体集合78-1以及推荐客户端(recommendation client)82-1。尽管为了清楚起见而没有示出，其他对等设备58-2至58-N同样包括媒体播放器功能76-2至76-N、媒体集合78-2至78-N，以及推荐客户端82-2至82-N。

媒体播放器功能76-1可以用软件、硬件或其组合实施，并且操作来提供在媒体集合78-1中的媒体项的重放。媒体集合78-1包括媒体项80，其可以是歌曲、有声书(audio book)、播客、电影、电视节目、视频剪辑(video clip)等等。推荐客户端82-1通常操作来发送推荐并接收推荐，如下面所讨论的。

图8说明了根据本发明一个实施例的图7的推荐系统54的操作。在这个例子里，对等设备58-1至58-N提供用户帐号信息给中央系统56(步骤300和302)。用户帐号信息可以包括用户60-1和60-N的播放历史68、用户60-1和60-N的用户偏好70、用户60-1和60-N的媒体集合信息72以及用户60-1和60-N的伙伴列表74。注意到用户帐号信息可以根据需要更新。例如，在对等设备58-1至58-N处每一次发生媒体项重放时、周期性地等等，用户60-1和60-N的播放历史68可以被更新。

接着，对等设备58-1从用户60-1接受输入，选择一个或多个要潜在推荐的媒体项(步骤304)。作为响应，对等设备58-1，尤其是推荐客户端82-1，发送标识用户60-1选择的该一个或多个媒体项的信息给中央系统56(步骤306)。标识用户60-1选择的该一个或多个媒体项的信息可以是，例如，媒体项的GUID，媒体项的标题等等。

中央系统56，尤其是推荐服务器63，随后为许多潜在推荐接受者和/或潜在推荐接受者组中的每一个产生反映用户60-1选择的一个或多个媒体项的预期的合意性的信息(步骤308)。在这个实施例里，潜在推荐接受者和/或潜在推荐接受者的组是来自在用户60-1的伙伴列表74中标识的用户60-2至60-N的其他用户和/或用户组。尤其是，对于一个或多个媒体项中的每一个，推荐服务器63基于描述媒体项的元数据以及潜在推荐接受者的用户偏好70，为每一个潜在推荐接受者产生预期的合意性值。在这个例子里，用户60-N是潜在的推荐接受者，并且同样地，基于用户60-N的用户偏好70为一个或多个媒体项中的每一个产生预期的合意性值。对于潜在推荐接受者的组来说，预期的合意性值可以通过对组内的潜在推荐接受者的单独的预期的合意性值进行组合或者基于对组内的潜在推荐接受者的用户偏好的聚集而产生。

如上所讨论的，除了预期的合意性值之外，预期的合意性信息可以包括，例如，表示潜在推荐接受者最近是否播放和预览媒体项、已经拥有媒体项、或者将自动下载或者预览媒体项的信息。此外，对于潜在推荐接受者的组，预期的合意性信息可以包括表示组内的一些或者一部分潜在推荐接受者最近播放或预览了媒体项、已经拥有媒体项、或者将要自动下载或者预览媒体项的信息。

预期的合意性信息接着被返回给对等设备58-1(步骤310)。对等设备58-1，尤其是推荐客户端82-1(步骤310)，接着将预期的合意性信息呈现给用户60-1以帮助用户60-1选择推荐的接受者或者对在步骤304中选出的一个或多个媒体项的推荐(步骤312)。对等设备58-1，尤其是推荐客户端82-1，接着接收来自于用户60-1的输入，选择一个或多个潜在推荐接受者和/或一个或多个潜在推荐接受者的组，向其发送对一个或多个媒体项的推荐(一个或多个)(步骤314)。在这个例子里，用户60-1选择以将对媒体项之一的推荐发送给用户60-N。同样地，推荐客户端82-1产生并且发送对媒体项的推荐给中央系统56(步骤316)。中央系统56，并且尤其是推荐服务器63，接着发送推荐给用户60-N的对等设备58-N(步骤318)。可替换地是，推荐能够被直接提供给用户60-N的对等设备58-N。

这里，推荐在对等设备58-N上被处理(步骤320)。例如，推荐可以用与在公开号为2008/0016205A1的美国专利申请中所述的方式相类似的方式来进行处理，其中所推荐的媒体项以及来自于用户60-N的媒体集合78-N的媒体项被评分，并且基于评分从所推荐的媒体项以及用户60-N的媒体集合78-N中的媒体项中编程式地选择要播放的下一个媒体项。然而，本发明不限于此。作为另一个例子，对等设备58-N，尤其是推荐客户端82-N，可以向用户60-N通知所推荐的媒体项并且使得用户60-N能够启动所需的所推荐媒体项的重放。在重放之前，所推荐的媒体项能够被下载并且可选择地从远程媒体分布服务中被购买。

注意到尽管在图8的实施例里，中央系统56产生预期的合意性信息，但是本发明并不限于此。在可替换的实施例里，对等设备58-1能够预先或者根据需要从中央系统56获得潜在推荐接受者的用户偏好70。对等设备58-1接着可基于用户偏好70，计算或者用其它方式确定用于潜在推荐接受者和/或潜在推荐接受者的组的预期的合意性值。

图9是根据本发明一个实施例的图7的中央系统56的框图。通常，中央系统56包括具有相关联的存储器86的控制系统84。在这个实施例里，推荐服务器63用软件实施并且存储在存储器86中。然而，本发明并不限于此。推荐服务器63可以用软件、硬件、或其组合进行实施。中央系统56还可以包括一个或多个数字存储设备88，例如，一个或多个硬盘驱动器。该一个或多个数字存储设备88可以被用于存储用户帐号64(图7)。中央系统56还包括将中央系统56在通信上耦合到网络62的通信接口90(图7)。最后，中央系统56可以包括用户接口92，其能包括例如显示器、一个或多个用户输入设备等的部件。

图10是根据本发明一个实施例的图7的对等设备58-1的框图。该讨论同等地可适于其他的对等设备58-2至58-N。通常，对等设备58-1包括具有相关联的存储器96的控制系统94。在这个实施例里，媒体播放器功能76-1以及推荐客户端82-1用软件实施并且被存储在存储器96中。然而，本发明不限于此。媒体播放器功能76-1以及推荐客户端82-1的每一个都能用软件、硬件或其组合进行实施。对等设备58-1还能包括一个或多个数字存储设备98，例如，一个或多个硬件驱动器、一个或多个可移动的存储卡等等。该一个或多个数字存储设备98能够被用于存储媒体集合78-1(图7)。可替换地，所有的或者一部分媒体集合78-1可以存储在存储器96中。对等设备58-1包括将对等设备58-1在通信上(communicatively)耦合到网络62的通信接口100(图7)。最后，对等设备58-1包括用户接口102，其可以包括例如显示器、一个或多个用户输入设备、扬声器等的部件。

图7至图10的推荐系统54是示范性的并且并不意味着限制本发明的范围。例如，在可替换的实施例里，中央系统56的功能性可以分布在对等设备58-1至58-N上。例如，对等设备58-1至58-N能够利用任何期望的对等式(P2P)数据存储技术，保存用户60-1至60-N的播放历史68、用户偏好70、媒体集合信息72以及伙伴列表74。因此，例如，对等设备58-1可以预先或根据需要从对等设备58-1至58-N所形成的P2P网络，获得潜在推荐接受者的用户偏好70以及可选的附加用户帐号信息。基于帐号信息，对等设备58-1至58-N可以根据需要，计算或者用其它方式确定包括潜在推荐接受者的预期合意性评分的预期的合意性信息。

此外，尽管在图7至图10的推荐系统54中，推荐客户端82-1至82-N由对等设备58-1至58-N容留(host)，本发明不限于此。例如，中央系统56能够容留在线的电子商务服务，使得用户能购买例如歌曲、唱片集、电影等的媒体内容。用户60-1能够经由例如对等设备58-1上的网络浏览器登陆到电子商务服务。推荐服务器62接着可成为电子商务服务的一部分或者和电子商务服务相关联，从而用户60-1能够经由对等设备58-1上的网络浏览器选择一个或多个媒体项。推荐服务器63接着可以为一个或多个潜在推荐接受者和/或一个或多个潜在推荐接受者的组产生预期的合意性信息。用户60-1接着可以选择一个或多个潜在推荐接受者和/或一个或多个潜在推荐接受者的组，向其发送对一个或多个媒体项的推荐(一个或多个)。作为响应，推荐服务器63发送推荐(一个或多个)给被选的接受者或者接受者的组。该推荐能够经由电子邮件、文本消息(text-messaging)等发送给接受者。可替换地，如果接受者拥有带电子商务服务的帐号，那么当接受者下一次登陆电子商务服务时，推荐(一个或多个)可以被提供给接受者。

本领域技术人员将认识到本发明优选实施例的改进和修改。所有这样的改进和修改被认为落在这里公开的原理以及所附权利要求的范围之内。

Claims (34)

1、一种方法包括：

从推荐用户接收用户输入，选择媒体项；

对于一个或多个潜在推荐接受者中的每一个潜在推荐接受者，获得该媒体项的预期的合意性信息；以及

将该预期的合意性信息呈现给推荐用户。

2、如权利要求1所述的方法，进一步包括：

从推荐用户接收用户输入，从一个或多个潜在推荐接受者中选择对该媒体项的推荐的至少一个接受者；以及

使得对该媒体项的推荐被提供给该至少一个接受者。

3、如权利要求1所述的方法，其中，对于一个或多个潜在推荐接受者中的每一个潜在推荐接受者，该预期的合意性信息包括基于描述媒体项的元数据以及潜在推荐接受者的用户偏好而确定的该媒体项的预期的合意性值。

4、如权利要求3所述的方法，其中该预期的合意性值进一步基于组中的至少一项来确定，该组包括：表示每一个潜在推荐接受者是否拥有该媒体项的信息，表示每一个潜在推荐接受者是否已播放了该媒体项的信息，表示每一个潜在推荐接受者是否已预览了该媒体项的信息，表示每一个潜在推荐接受者是否已在最近播放了该媒体项的信息，以及表示每一个潜在推荐接受者是否已在最近预览了该媒体项的信息。

5、如权利要求3所述的方法，其中，对于一个或多个潜在推荐接受者中的每一个潜在推荐接受者，该预期的合意性值表示对该媒体项的推荐是否预期是潜在推荐接受者所期望的。

6、如权利要求3所述的方法，其中获得预期的合意性信息包括：

获得一个或多个潜在推荐接受者中的每一个潜在推荐接受者的用户偏好；以及

对于一个或多个潜在推荐接受者中的每一个潜在推荐接受者，基于描述媒体项的元数据以及潜在推荐接受者的用户偏好来确定预期的合意性值。

7、如权利要求6所述的方法，其中获得用户偏好包括从至少一个远程系统获得一个或多个潜在推荐接受者中的每一个潜在推荐接受者的用户偏好。

8、如权利要求7所述的方法，其中至少一个远程系统是操作来存储多个用户的用户偏好的中央系统，该多个用户包括一个或多个潜在推荐接受者。

9、如权利要求3所述的方法，其中获得预期的合意性信息包括从中央系统获得一个或多个潜在推荐接受者中的每一个潜在推荐接受者的媒体项的预期的合意性值。

10、如权利要求3所述的方法，其中获得预期的合意性信息包括：

提供标识媒体项的信息给中央系统，其中对于一个或多个潜在推荐接受者中的每一个潜在推荐接受者，该中央系统基于描述媒体项的元数据以及潜在推荐接受者的用户偏好来确定预期的合意性值；以及

从中央系统接收每一个潜在接受者的预期的合意性值。

11、如权利要求1所述的方法，其中，对于一个或多个潜在推荐接受者中的每一个潜在推荐接受者，预期的合意性信息包括基于组中的至少一项而确定的媒体项的预期的合意性值，该组包括：表示每一个潜在推荐接受者是否拥有该媒体项的信息，表示每一个潜在推荐接受者是否已播放了该媒体项的信息，表示每一个潜在推荐接受者是否已预览了该媒体项的信息，表示每一个潜在推荐接受者是否已在最近播放了该媒体项的信息，以及表示每一个潜在推荐接受者是否已在最近预览了该媒体项的信息。

12、如权利要求1所述的方法，其中，对于一个或多个潜在推荐接受者中的每一个潜在推荐接受者，预期的合意性信息进一步包括表示媒体项是否已经是潜在推荐接受者的媒体集合的一部分的信息。

13、如权利要求1所述的方法，其中，对于一个或多个潜在推荐接受者中的每一个潜在推荐接受者，预期的合意性信息进一步包括表示媒体项是否已经被潜在推荐接受者播放的信息。

14、如权利要求1所述的方法，其中，对于一个或多个潜在推荐接受者中的每一个潜在推荐接受者，预期的合意性信息进一步包括表示媒体项是否已经被潜在推荐接受者预览的信息。

15、如权利要求1所述的方法，其中，对于一个或多个潜在推荐接受者中的每一个潜在推荐接受者，预期的合意性信息进一步包括表示媒体项是否在最近被潜在推荐接受者播放的信息。

16、如权利要求15所述的方法，其中如果媒体项已在先于当前时间的预定义的时间量内被播放，那么媒体项已在最近被播放。

17、如权利要求1所述的方法，其中，对于一个或多个潜在推荐接受者中的每一个潜在推荐接受者，预期的合意性信息进一步包括表示媒体项是否在最近已被潜在推荐接受者预览的信息。

18、如权利要求17所述的方法，其中如果媒体项已在先于当前时间的预定义的时间量内被预览，那么媒体项最近已被预览。

19、如权利要求1所述的方法，其中，一个或多个潜在推荐接受者包括由推荐用户的伙伴列表所标识的其他用户。

20、如权利要求1所述的方法，其中该方法是用于用户设备的操作方法。

21、如权利要求1所述的方法，其中该方法是用于中央系统的操作方法，该中央系统经由通过网络而连接到该中央系统的用户设备与推荐用户以及一个或多个潜在推荐接受者进行交互。

22、一种用户设备，包括：

a)用户接口；

b)通信接口；以及

c)控制系统，与用户接口和通信接口相关联，并且适于：

i)经由用户接口从推荐用户接收用户输入，选择媒体项；

ii)对于一个或多个潜在推荐接受者中的每一个潜在推荐接受者，获得该媒体项的预期的合意性信息；以及

iii)经由用户接口将该预期的合意性信息呈现给推荐用户。

23、如权利要求22所述的用户设备，其中控制系统进一步适于：

经由用户接口从推荐用户接收用户输入，从一个或多个潜在推荐接受者中选择对该媒体项的推荐的至少一个接受者；以及

使得对该媒体项的推荐被提供给至少一个接受者的至少一个第二用户设备。

24、一种计算机可读介质，包括软件，用于指示用户设备以便：

从推荐用户接收用户输入，选择媒体项；

对于一个或多个潜在推荐接受者中的每一个潜在推荐接受者，获得该媒体项的预期的合意性信息；以及

将该预期的合意性信息呈现给推荐用户。

25、如权利要求24所述的计算机可读介质，进一步指示用户设备来：

从推荐用户接收用户输入，从一个或多个潜在推荐接受者中选择对该媒体项的推荐的至少一个接受者；以及

使得对该媒体项的推荐被提供给该至少一个接受者的至少一个第二用户设备。

26、一种方法，包括：

从推荐用户接收用户输入，选择媒体项；

对于一个或多个潜在推荐接受者的组，获得该媒体项的预期的合意性信息；以及

将该预期的合意性信息呈现给推荐用户。

27、如权利要求26所述的方法，进一步包括：

从推荐用户接收用户输入，从一个或多个潜在推荐接受者的组中选择对该媒体项的推荐的至少一个接受者组；以及

使得对该媒体项的推荐被提供给在该至少一个接受者组内的每一个推荐接受者。

28、如权利要求26所述的方法，其中，对于一个或多个潜在推荐接受者的组中的每一个潜在推荐接受者组，预期的合意性信息包括基于描述媒体项的元数据以及在潜在推荐接受者的组内的潜在推荐接受者的用户偏好而确定的该媒体项的合成的预期的合意性值。

29、如权利要求28所述的方法，其中，对于每一个潜在推荐接受者组，获得预期的合意性信息包括：

获得该潜在推荐接受者组中的每一个潜在推荐接受者的用户偏好；

对于该潜在推荐接受者组中的每一个潜在推荐接受者，基于描述媒体项的元数据以及潜在推荐接受者的用户偏好而确定该预期的合意性值；以及

组合在该潜在推荐接受者组中的潜在推荐接受者的预期的合意性值，以便为该潜在推荐接受者组提供合成的预期的合意性值。

30、如权利要求28所述的方法，其中，对于每一个潜在推荐接受者组，获得预期的合意性信息包括：

获得该潜在推荐接受者组中的每一个潜在推荐接受者的用户偏好；

对在该潜在推荐接受者组中的潜在推荐接受者的用户偏好进行聚集，以便为该潜在推荐接受者组提供聚集的用户偏好；以及

基于描述媒体项的元数据以及该潜在推荐接受者组的聚集的用户偏好，为该潜在推荐接受者组确定合成的预期的合意性值。

31、一种用户设备包括：

a)用户接口；

b)通信接口；以及

c)控制系统，与用户接口和通信接口相关联，并且适于：

i)经由用户接口从推荐用户接收用户输入，选择媒体项；

ii)对于一个或多个潜在推荐接受者组，获得该媒体项的预期的合意性信息；以及

iii)经由用户接口将该预期的合意性信息呈现给推荐用户。

32、如权利要求31所述的用户设备，其中控制系统进一步适于：

经由用户接口从推荐用户接收用户输入，从一个或多个潜在推荐接受者组中选择对该媒体项的推荐的至少一个接受者组；以及

使得对该媒体项的推荐被提供给至少一个接受者组中的至少一个接受者中的每一个的第二用户设备。

33、一种计算机可读介质，包括软件，用于指示用户设备来：

从推荐用户接收用户输入，选择媒体项；

对于一个或多个潜在推荐接受者组，获得该媒体项的预期的合意性信息；以及

将该预期的合意性信息呈现给推荐用户。

34、如权利要求33所述的计算机可读介质，进一步指示用户设备来：

从推荐用户接收用户输入，从一个或多个潜在推荐接受者组中选择对该媒体项的推荐的至少一个接受者组；以及

使得对该媒体项的推荐被提供给至少一个接受者组中的至少一个接受者中的每一个的第二用户设备。

Images