CN102099805A - 用于选择多媒体项目的方法和设备 - Google Patents

Abstract

通过以下步骤从多个候选多媒体项目中选择多媒体项目：确定（201）多个表示用户的多媒体项目的收藏的特性的特征；从所述所确定的特征中确定（203）概率函数，所述概率函数具有多个最大值，所述多个最大值指示用户偏爱具有由最大值代表的特征组合的项目的概率；以及根据至少一个所述所确定的最大值，从多个候选多媒体项目中选择（209）至少一个多媒体项目。

Description

用于选择多媒体项目的方法和设备

技术领域

本发明涉及用于从多个候选多媒体项目中选择多媒体项目的方法和设备。特别地，而非排他地，本发明涉及一种用于为播放列表选择和推荐音乐的音乐推荐器系统。

背景技术

存在通过将收藏中音乐的描述与用户偏爱的描述相匹配来建议音乐的音乐推荐器系统，从而该音乐推荐器系统可以向用户推荐反映用户的音乐嗜好的音乐。例如，用户可能指示对于快节奏的音乐和流行音乐的偏爱，那么与这些偏爱之一或者两者相匹配的音乐可以被推荐给该用户。

这些现有的推荐器系统的缺点是所提供的推荐通常包含了太多用户不喜欢的音乐。

发明内容

本发明设法将用户不喜欢的推荐的提供最小化。

这根据本发明的一个方面、通过一种从多个候选多媒体项目中选择多媒体项目的方法来实现，该方法包括以下步骤：确定多个表示用户的多媒体项目的收藏的特性的特征；从所确定的特征中确定概率函数，该概率函数具有多个最大值，该多个最大值指示用户偏爱具有由该最大值代表的特征的组合的项目的概率；并且根据至少一个所确定的最大值，从多个候选多媒体项目中选择至少一个多媒体项目。

这还根据本发明的第二方面、通过一种用于从多个候选多媒体项目中选择多媒体项目的设备来实现，该设备包括：存储装置，用于存储多个候选多媒体项目；处理装置，用于确定多个表示用户的多媒体项目的收藏的特性的特征，并且从所确定的特征中确定概率函数，该概率函数具有多个最大值，该多个最大值指示用户偏爱具有由最大值代表的特征的组合的项目的概率；以及用于根据至少一个所确定的最大值从多个候选多媒体项目中选择至少一个多媒体项目的装置。该设备可以是消费设备或专业设备，例如便携式MP3播放器或音乐提供商使用的专业设备。

这还根据本发明的另一个方面、通过一种推荐多媒体项目的系统来实现，该系统包括：根据上述第二方面的设备；播放多媒体项目的用户终端，该用户终端包括用户存储装置，用于存储用户的多媒体项目的收藏；接口，用于与所述设备和用户终端通信，以使得将设备选择的项目推荐给用户。

参数化音乐描述或音乐的特征简档可以是手动注释的元数据或者是依算法计算的音频特征或可包含两者的组合。解释这种特征简档的一种方式是概率函数，其描述在（N维）特征空间中的哪些区域最可能代表用户喜欢的音乐。这意味着，如果用户收藏中很多音乐都落入特征空间的特定区域中，那么用户喜欢该音乐的概率就高。于是，推荐器系统的假设是用户将可能也喜欢落入该特征空间区域的新的音乐。

个性化探索新音乐是这样实现的：其中以确定有多大可能性用户会喜欢位于用户特征空间的特定区域中的音乐的概率函数的形式使用用户收藏的特征（即参数化表示）。通过确定用户在其收藏中具有何种类型的音乐而不是确定用户购买或回放什么音乐，以及通过确定用户在其收藏中具有的音乐的特征的组合（例如，90年代流行音乐，而不是90年代摇滚音乐或80年代流行音乐）而不是确定单个的特征（例如，“90年代的音乐”，“流行音乐”），新音乐的推荐较不可能被不喜欢。可以使用已知的自动音乐提取算法来自动地从音乐中提取特征。所提取的特征对于用户来说不必有意义（例如，在提取的MFCC系数的情况下）。

至少一个所确定的最大值可以不是所确定的概率函数的绝对最大值。因此，概率函数的第二最大值用于构造查询用于搜索。以此方式，产生不代表用户已有许多的音乐的类型（概率函数绝对最大值）也不代表用户将不喜欢的音乐（概率函数的低值）的查询。

至少一个所确定的最大值可以位于所确定的概率函数的绝对最大值的预定范围内，以使得所进行的选择与用户当前的选择类似。

选择至少一个多媒体项目的步骤可以包括以下步骤：确定对应于至少一个所确定的最大值的至少一个特征矢量；以及选择至少一个具有类似于所确定的至少一个特征矢量的特征矢量的多媒体项目，以使得可以考虑多个特征。

给定现有算法和其鲁棒性，概率函数可以由多个高斯函数建模。

为了避免重复，多个候选多媒体项目不包括用户的多媒体项目的收藏的多媒体项目。这可以通过维护之前选择的多媒体项目的日志来实现；其中选择至少一个多媒体项目的步骤包括以下步骤：从没有被包括在日志中的多个候选多媒体项目中选择至少一个多媒体项目。

选择可以通过根据至少一个其他的所确定的最大值从多个候选多媒体项目中选择至少一个多媒体项目来重复。

选择至少一个多媒体项目的步骤可以包括：根据至少一个所述所确定的最大值，从所述用户的多媒体项目的收藏中选择多个多媒体项目；允许用户选择所述多个所选择的多媒体项目中的至少一个；以及产生查询以便根据所述用户选择的所述多个所选择的多媒体项目中的至少一个，从所述多个候选多媒体项目中选择至少一个多媒体项目。

附图说明

为了更完全地理解本发明，现在结合附图对以下描述进行参考，附图中：

图1是根据本发明一个实施例的推荐器系统的简化示意图；以及

图2是根据本发明一个实施例的方法的流程图。

具体实施方案

参考图1，将详细描述本发明的一个实施例的推荐器系统。推荐器系统100包括推荐器101。推荐器101包括处理器103和选择器105。推荐器101连接到确定性（definitive）存储装置107，该存储装置存储多个候选多媒体项目，诸如音乐，音频/视频项目、数字图像（照片）等等，即用户能访问的多媒体项目的确定性收藏。

推荐器101连接到接口109，如计算机终端。该接口与用户终端111通信，该用户终端可以是MP3播放器、移动电话、PDA等等。接口109可以与用户设备111无线通信或者经由有线连接进行通信。用户终端111连接到用户存储装置113，该用户存储装置113可以与用户终端111集成或远程连接。用户存储装置113存储用户的多媒体项目的收藏。可替换地，用户的多媒体项目的收藏可以在接口109上存储和/或播放，即，用户终端111和接口109是集成设备。

现在将参考图2来描述系统的操作。

在步骤201中，推荐器101经由用户终端111和接口109确定目前存储在用户存储装置113中的用户的多媒体项目的收藏的特征。所确定的特征是反映了用户音乐嗜好的描述。这可以包括手动注释的元数据或依算法计算的音频特征或这些的组合。推荐器101的处理器103从所确定的特征中确定概率函数，步骤203。概率函数具有多个最大值，例如多高斯函数。因此，可以确定多个局部最大值。虽然可以使用任何具有多个最大值的概率密度函数，但是高斯函数是众所周知的，并且有许多现有的从训练数据中提供对概率函数的鲁棒估计的算法和方法。在一个实施例中，使用高斯混合模型获得概率函数，其中通过多个高斯分布的加权和来近似期望的概率函数。描述此高斯分布的参数是通过使用已知技术从多个观察值（即用户的多媒体项目的收藏的特征矢量）中估计的，所述已知技术诸如由Figueiredo, M., Leito J., Jain, A.K.在“On fitting mixture models” in Energy Minimization Methods in Computer Vision and Pattern Recognition (E. Hancock and M. Pellilo, eds) pp 54-69, Springer Verlag, 1999中描述。

然后，确定搜索算法，以选择至少一个局部最大值，步骤205。为了扩大用户对推荐项目的选择，所选择的局部最大值是并不接近绝对最大值的那些值。可以通过简单地选择概率函数中具有最低值的局部最大值或者使用随机过程选择这些最大值之一来选择最大值。可替换地，可以使用阈值来限制离概率函数的绝对最大值（用户音乐嗜好的“核心”）的距离，以使得所选择的那些项目不会太远离用户偏爱的选择。距离阈值越高，项目离用户收藏的“核心”越远，并且推荐器101就表现为进行更多的探索。用户可以将该阈值设置为探索因子。为避免选择太靠近用户收藏的“核心”，阈值可以与第二较低距离的阈值相组合，以使得局部最大值应当不太靠近绝对最大值。

可替换地，阈值可以被用于概率函数的值：所选局部最大值的概率值应当大于预定阈值，以避免所选局部最大值具有用户可能不喜欢的太低的概率值。这可以扩展至考虑第二阈值：所选择的最大值应当低于该阈值，以避免项目的选择太类似于用户已经有的项目。

步骤207，在特征空间中至少一个所选择最大值的位置上构建搜索算法。在该位置处的特征的值用于形成查询。这些值可以被编译成单个的特征矢量。

然后对存储在确定性存储装置107中的多媒体项目使用所形成的查询，以找到满足搜索查询的那些候选多媒体项目，步骤209。这可以使用有效的数据挖掘技术以便在由对应值构成的项目的存储中找到最佳匹配来实现。

这些项目被返回，并由推荐器101推荐给用户，步骤211。

在另一个实施例中，系统100可以还包括日志引擎（这里未示出），该引擎维护已经向用户建议的多媒体项目的记录，以避免重复。该日志引擎还可以用于改变选择的最大值，因此在自产生上一次查询后未改变已确定的用户收藏的特征的情况下改变查询，和/或从候选列表（x个最相似的项目）中建议项目，该候选列表在上一次使用相同查询时没有被建议。

在另一个实施例中，该系统还可以向用户提供更多的透明度和干涉的可能性。可以产生第一查询，其在用户存储装置113中的用户收藏中搜索最接近于所选择的最大值的项目，然后允许用户选择这些项目中的哪一个应当作为下一次查询的基础。

接口可以经由因特网与确定性存储装置107中存储的确定性收藏通信。推荐器101可以与接口109集成在一起，或者可以是远程服务器系统的一部分。上述实施例的推荐器101可以用于在线音乐商店或因特网广播服务。

虽然本发明的实施例已经在附图中示出，并且在上面的描述中进行了描述，但是应当理解本发明并不限于所公开的实施例，而是能够进行许多修改，而不背离下面权利要求所阐明的本发明的范围。

正如对于本领域技术人员来说将是显而易见的，“装置”意指包括任何硬件（诸如独立的或集成的电路或电子元件）或软件（诸如程序或程序各部分），其在操作中再现或被设计成再现特定的功能，无论其是单独的还是与其他功能相结合，无论是独立的还是与其他元件协作。本发明可以依靠包括若干不同元件的硬件实现，以及依靠适当编程的计算机来实现。在列举若干装置的设备权利要求中，这些装置中的若干个可以由同一个硬件项来实现。“计算机程序产品”应被理解为指存储在计算机可读介质（诸如软盘）上、可经由网络（诸如因特网）下载的、或可通过任何其它方式销售的任何软件产品。

Claims (12)

1. 一种从多个候选多媒体项目中选择多媒体项目的方法，该方法包括以下步骤：

确定（201）多个表示用户的多媒体项目的收藏的特性的特征；

从所述所确定的特征中确定（203）概率函数，所述概率函数具有多个最大值，所述多个最大值指示用户偏爱具有由所述最大值代表的特征的组合的项目的概率；以及

根据至少一个所述所确定的最大值，从多个候选多媒体项目中选择（209）至少一个多媒体项目。

2. 根据权利要求1所述的方法，其中所述至少一个所述所确定的最大值不是所述所确定的概率函数的绝对最大值。

3. 根据权利要求2所述的方法，其中所述至少一个所述所确定的最大值位于所述所确定的概率函数的所述绝对最大值的预定范围内。

4. 根据之前任何一个权利要求所述的方法，其中选择至少一个多媒体项目的步骤包括以下步骤：

确定对应于至少一个所述所确定的最大值的至少一个特征矢量；以及

选择至少一个具有类似于所述所确定的至少一个特征矢量的特征矢量的多媒体项目。

5. 根据之前任何一个权利要求所述的方法，其中所述概率函数由多个高斯函数建模。

6. 根据之前任何一个权利要求所述的方法，其中所述多个候选多媒体项目不包括所述用户的多媒体项目的收藏的多媒体项目。

7. 根据之前任何一个权利要求所述的方法，其中该方法还包括以下步骤：

维护之前选择的多媒体项目的日志；

并且其中选择至少一个多媒体项目的步骤包括以下步骤：

从没有被包括在所述日志中的所述多个候选多媒体项目中选择至少一个多媒体项目。

8. 根据之前任何一个权利要求所述的方法，其中该方法还包括以下步骤：

根据至少一个其他的所述所确定的最大值从所述多个候选多媒体项目中选择至少一个多媒体项目。

9. 根据之前任何一个权利要求所述的方法，其中选择至少一个多媒体项目的步骤包括：

根据至少一个所述所确定的最大值从所述用户的多媒体项目的收藏中选择多个多媒体项目；

允许用户选择至少一个所述多个所选择的多媒体项目；和

产生查询，以便根据所述用户选择的所述多个所选择的多媒体项目中的至少一个从所述多个候选多媒体项目中选择至少一个多媒体项目。

10. 一种计算机程序产品，包括多个程序代码部分，用于执行根据之前任何一个权利要求所述的方法。

11. 一种从多个候选多媒体项目中选择多媒体项目的设备（101），所述设备（101）包括：

存储器（107），用于存储多个候选多媒体项目；

处理器（103），用于确定多个表示用户的多媒体项目的收藏的特性的特征，并且从所述所确定的特征中确定概率函数，所述概率函数具有多个最大值，所述多个最大值指示用户偏爱具有由所述最大值代表的特征的组合的项目的概率；和

选择器（105），用于根据至少一个所述所确定的最大值，从所述多个候选多媒体项目中选择至少一个多媒体项目。

12. 一种用于推荐多媒体项目的推荐器系统（100），该系统包括：

根据权利要求12所述的设备（101）；

用于播放多媒体项目的用户终端（111），所述用户终端包括用户存储装置（113），用于存储所述用户的多媒体项目的收藏；

接口（109），用于与所述设备（101）和所述用户终端（111）通信，以使得将由设备（101）选择的项目推荐给用户。

Images