CN102713905A - 用于媒体文件的社会标签的方法和设备 - Google Patents
用于媒体文件的社会标签的方法和设备 Download PDFInfo
- Publication number
- CN102713905A CN102713905A CN2010800609607A CN201080060960A CN102713905A CN 102713905 A CN102713905 A CN 102713905A CN 2010800609607 A CN2010800609607 A CN 2010800609607A CN 201080060960 A CN201080060960 A CN 201080060960A CN 102713905 A CN102713905 A CN 102713905A
- Authority
- CN
- China
- Prior art keywords
- label
- user
- media file
- reservoir
- tag
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000012545 processing Methods 0.000 claims description 39
- 239000002131 composite material Substances 0.000 claims description 33
- 238000003860 storage Methods 0.000 claims description 23
- 230000008878 coupling Effects 0.000 claims description 6
- 238000010168 coupling process Methods 0.000 claims description 6
- 238000005859 coupling reaction Methods 0.000 claims description 6
- 208000004350 Strabismus Diseases 0.000 claims description 5
- 239000013598 vector Substances 0.000 abstract description 23
- 230000006870 function Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 230000006399 behavior Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 101150071716 PCSK1 gene Proteins 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000001815 facial effect Effects 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000002650 habitual effect Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 230000005055 memory storage Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 235000004240 Triticum spelta Nutrition 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 244000144992 flock Species 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/48—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Library & Information Science (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
通过将主观的用户特定标签与协作的基于团体的标签相融合,显著地改进了媒体标签。用户在用户网络中共享多媒体元数据标签,以针对个人多媒体收集改进自动标签生成,而无需对媒体私密性做出妥协。在一种方法中,向用户建议注释标签的组合集合,以用于对给定媒体文件进行注释。该组合集合包括从私有用户特定贮存器中获取的第一集合和从公共共享贮存器中获取的第二集合,在每种情况下,确定建议哪些标签包括:计算与加标签的媒体文件相关联的属性矢量和与标签相关联的属性矢量之间的相似性。属性矢量是表示给定类型的上下文元数据的值的集合。可以根据用户特定和共享权重对相似性确定进行加权,可以对这些权重进行调整以反映用户和团体偏好。
Description
技术领域
本发明涉及媒体加标签,更具体地,涉及向用户自动建议媒体标签的方法和设备。
背景技术
近十年,在能够捕捉多媒体格式(数码照片、视频和音频)的设备的使用方面有着爆发性增长,该增长引发了许多可用性问题,所有这些问题主要涉及灵敏地存储、组织并检索多媒体资产的问题。不同于文本数据,更难以以有意义的方式实现用于描述、索引并检索多媒体材料的自动方法。
存在提供有意义的多媒体搜索的努力,如在U.S.6,735,583B1中所示,启示了一种用于对来自可能的大数字贮存器的媒体内容单元进行分类和定位的分级词汇系统。这些贮存器存储下层的(underlying)数字内容和相关元数据、以及用于表征该元数据的结构化词汇。作为另一示例,还进行了在网络存储多媒体对象的上下文中提供使用元数据处理的工作。例如,WO 2006057741A2提供了基于网络的元数据服务,该服务对于用户可用,并允许各用户创建或选择用于搜索、查看或修改针对给定多媒体对象存储的元数据的元数据词汇。
作为一般性建议,附上人类可读(且有意义的)“注释”标签或者否则使人类可读(且有意义的)“注释”标签与下层的媒体文件相关联非常有助于构建和管理可能的大多媒体贮存器,并检索感兴趣的特定媒体。例如,已知基于自动处理产生“注释”标签,以对媒体文件加标签。基于处理与新照片相关联的原始元数据(时间、位置、图像特征等),可以为该照片产生注释标签。注释标签可以自动应用于照片,或者建议给用户,或者依据用户的判断力使用。在一些实例中,基于术语或描述的惯用词汇或基于标准词汇,针对给定用户偏好随时间进行调整。作为另一示例,EP 1876539A1描述了用于处理媒体内容,以使用结构化词汇中的条目对各媒体项目进行分类的系统。
自动加标签的其它示例包括照片管理和被称为FLICKR的共享服务可用的特定功能,允许用户上载、存储并共享照片库。日益普遍的是包括照片的“地理标签”信息,用于标识在何处拍摄给定照片。例如,移动摄像手机应用ZONETAG提供了用户所捕捉的照片的地理标签,并易于上载到用户的FLICKR账户。ZONETAG还提供向照片自动应用特定的其它注释标签。
通常,FLICKR作为协作加标签和注释系统中对于照片及其它资源具有增长的兴趣的一个示例。例如,参见Golder,S.和Huberman,B.A.,“The Structure of Collaborative Tagging Systems,”Tech.Report,HP Labs,2005。使用FLICKR的协作加标签方式,给定用户上载照片,带有允许其它用户更易于搜索并查看照片的标签信息。因而,感兴趣的给定地理位置的照片、或加标签为与感兴趣的特定主题相关的照片变得更易于由团体用户访问。
然而,这种就绪的可访问性对于给定用户私人的照片或其它媒体是不适合的。在许多实例中,给定用户的数据(或元数据)可能需要对该用户保持私密。WO 3088089A1和WO 03058502A1提供了基于网络的照片共享系统的示例,特别强调保持数据/元数据私密性、以及在网络环境中保持用户定义的元数据。
然而,给定用户会想要获得协作团体针对注释标签建议智能生成的益处,同时保持下层媒体和元数据的私密性。存在利用根据媒体创建的上下文元数据、以及设备和用户中的交互的已知系统,以及采用共享公共空间、时间和社会关系上下文(如,日历信息和联系人)的用户创建的媒体和元数据中的规律来推导媒体描述符的系统。例如,参见MarlowC.,Naaman M.等,HT06,Tagging Paper,Taxonomy,Flickr,To Read,pp.31-40,Proc.of the 17th ACM Conf.on Hypertext and Hypermedia,Denmark(2006);以及Sarvas,R.,Herrarte,E.,Wilhelm,A.,和Davis,M.,“Metadata creation system for mobile images,”In Proc.MobiSys’04,ACMPress(2004)。
仍然没有出现任何已知的解决方案,以基于对主观的用户特定数据及具有该数据的所获偏好、以及协作再现团体用户的所获偏好的动态融合来提供媒体的自动加标签。也没用出现任何已知的解决方案,以提供对附于特定用户的“主观“类型的标签对可客观应用于所有用户的实际类型的标签的适当区分和处理。
发明内容
根据这里所呈现的教导的一个方面,通过将主观的用户特定标签与协作的基于团体的标签相融合,显著地改进了媒体加标签。在该上下文中,用户在用户网络中共享多媒体元数据标签,以针对个人多媒体(如,照片)收集改进自动标签生成。
在一个实施例中,一种用于向用户自动生成建议标签以注释给定媒体文件的方法包括:有利地融合从用户特定私有标签贮存器中获取的标签建议和从标签建议的共享公共贮存器中获取的标签建议。更具体地,一个或更多个实施例包括:自动建议标签的组合集合,所述标签的组合集合包括从用户特定的电子存储私有标签贮存器中获取的建议标签的第一集合、和从由团体用户共享的电子存储公共贮存器中获取的建议标签的第二集合。所述方法还包括:经由电子用户设备输出建议标签的组合集合,以向用户呈现,所述电子用户设备由用户用于对媒体文件加标签;以及从建议标签中标识由用户选择用于对媒体文件加标签的所选标签。
有利地,建议标签的第一集合基于与媒体文件相关联的媒体文件属性和与私有贮存器中的标签之中的单独标签相关联的相应标签属性之间确定的相似性。建议标签的第二集合基于类似处理从公共贮存器中获得。在该上下文中,应当理解,任意给定媒体文件属性或标签属性包括定义类型的上下文元数据的值,使得可以确定具有相同的定义类型的上下文元数据的任意给定媒体文件属性和任意给定标签属性之间的相似程度。按照这种方式,适当配置的数字处理器可以计算与给定媒体文件相关联的媒体文件属性的值和与(私有贮存器或公共贮存器中的)给定标签相关联的相应标签属性的值之间的相似性。因而,从公共和私有贮存器中智能地获得注释标签的建议集合。
在至少一个实施例中,用户设备包括具有捕捉和/或存储媒体文件(如照片、歌曲等)的能力的摄像手机或其它设备。在特定实施例中,例如,经由软件或固件配置用户设备,以在本地存储器中保持标签的私有贮存器,并基于向保持或访问标签的公共贮存器的网络节点发送针对要加标签的给定媒体的元数据来执行自动生成媒体标签的方法。这样,用户设备接收注释标签的第二集合,即,基于针对公共贮存器进行的相似性处理而确定的注释标签的第二集合,作为从网络节点返回的列表或其它数据结构。用户设备还被配置为:例如在设备的显示屏幕上显示建议注释标签的组合集合,以及如果有,则检测用户选择了建议标签中的哪个(些)。可选地,网络节点存储私有贮存器和公共贮存器,并基于从用户设备接收媒体元数据来针对二者执行相似性确定。
当然,本发明不限于上述发明内容中简要的特征和优点。本领域技术人员通过阅读以下的具体实施方式并参照附图,将会认识到其它特征和优点。
附图说明
图1是向用户自动生成注释标签建议的方法的一个实施例的逻辑流程图。
图2是可以被配置为执行图1的方法及其变体的用户设备和标签服务器(经由无线通信网络通信链接)的一个实施例的简化框图。
图3是媒体简档、私有标签贮存器、公共标签贮存器和用户简档的数据结构的一个实施例的图示。
图4是用户设备和标签服务器的一个实施例的详细框图。
图5是向用户自动生成注释标签建议的方法的另一实施例的逻辑流程图。
图6是向用户自动生成注释标签建议的方法的另一实施例的逻辑流程图。
具体实施方式
图1示出了电子生成建议标签以由用户用于注释媒体文件(例如,照片、歌曲或其它媒体项目)的方法100的一个实施例。广义地,该方法包括:获得建议标签的组合集合,用于对媒体文件加标签(块102)。从用户特定的标签的电子存储私有贮存器中获取建议标签的第一集合。相反,从由团体用户共享的电子存储公共贮存器中获取建议标签的第二集合。特别地,在一个或更多个实施例中,根据给定用户的加标签行为来调整或调节标签的私有贮存器,而根据团体用户的加标签行为来调整或调节(基于团体的)标签的公共贮存器。因此,建议注释标签的组合集合有利地将私有用户特定加标签信息与协作的团体驱动加标签信息“融合”。
以图示的流程继续,方法100还包括:输出标签的组合集合,以经由用户使用的电子用户设备呈现给用户(块104),从而对媒体文件加标签;并从建议标签中标识由用户选择用于对媒体文件加标签的所选标签(块106)。注意,电子设备可以是用户的摄像手机、媒体播放器、或具有处理、存储和通信能力的其它设备,按照需要支持方法(100)的处理。这样,输出建议标签可以包括:向电子设备中包括的LCD或其它显示器输出建议标签,以及标识所选标签可以包括:例如经由按键或触摸屏按压来检测用户选择哪个(些)所显示的标签。
图2示出了结合标签服务器12示出的示例用户设备10,它也可以是摄像手机,支持通信的相机、媒体播放器等,标签服务器12例如可以经由包括无线接入网(RAN)16和核心网(CN)18的无线通信网络14由用户设备10访问。当然,用户设备10也可以与通信节点(如,利用因特网或其它通信访问标签服务器12的PC)具有有线或其它本地连接。作为非限制性示例,无线通信网络14是向用户设备10提供分组数据访问的蜂窝通信网络,如基于WCDMA或LTE的网络。还将理解,例如,标签服务器12可以包括被编程为处理元数据、标签数据等,至少存储并保持标签的公共贮存器,以及通常根据这里的示教提供处理能力的计算机。
记住上述内容,方法100的一个实施例实现获取的步骤(块102),用户设备10从电子存储在用户设备10中的私有贮存器获得建议标签的第一集合;通过向远程网络节点(例如,标签服务器12)发送媒体文件属性,并接着接收建议标签的第二集合来获得建议标签的第二集合;以及将建议标签的第一和第二集合组合。因此,用户设备10向远程网络节点发送用户偏好,并发送媒体文件属性,以对远程网络节点做出的媒体文件属性与针对公共贮存器中的单独标签存储的相应标签属性之间的相似性确定进行偏移(bias)。
可选地,在另一实施例中,方法100全部或至少主要在与用户用于对例如在标签服务器12中的媒体文件加标签的用户设备远离的网络节点中执行。在该实施例中,方法100包括在可由网络节点访问的电子存储器中存储公共和私有贮存器,从用户设备10接收媒体文件属性,生成建议标签的第一和第二集合,并形成建议标签的组合集合,以及通过向用户设备10发送来输出建议标签的组合集合。当然,用户做出的标识标签选择通常需要来自用户设备10的某种形式的选择反馈,但是标签服务器12可以进行对媒体加标签的实质处理以及贮存器更新。此外,本领域技术人员将会理解,标签服务器12可以针对(可能的大)团体用户保持通常的公共贮存器,同时针对单独用户保持私有贮存器。
在任意情况下,图1中描述的方法的区别性优势在于,建议标签的第一集合基于与媒体文件相关联的媒体文件属性和与私有贮存器中的标签之中的单独标签相关联的相应标签属性之间确定的相似性。这里,任意给定媒体文件属性或标签属性包括定义类型的上下文元数据的值,从而可以确定具有相同定义类型的上下文元数据的任意给定媒体文件与任意给定标签属性之间的相似程度。
为了更好地理解图1的方法及其变体,图3提供了以下的示例说明:(a)媒体文件20和其关联媒体简档(MP)22;(b)包括标签简档(TP)32的私有贮存器30,每个TP 32包括标签33、标签属性36的集合34、以及标签属性权重38的集合37;(c)包括TP 42的公共贮存器40,每个TP 42包括标签43、标签属性46的集合44、以及标签属性权重48的集合47;以及(d)包括元数据类型权重58的集合57的用户简档50。
在该上下文中,属性(26、36或46)是实际元数据。也就是说,每个属性(26-1,26-2,...,36-1,36-2,...,和46-1,46-2,...)被配置为保持给定类型的元数据的值。因而,对于针对给定照片、歌曲或其它媒体文件20生成或获得的MP 22,可以将媒体文件属性26的集合24视为包含与媒体文件20有关的实际元数据的元数据属性的矢量。作为示例,支持GPS的摄像手机捕捉数字照片和/或摄像手机访问外部信息源,如日历和事件信息。这样,针对捕捉的照片的媒体文件属性26的示例集合24可以包括:
-属性26-1(att1)保持位置类型元数据,如(38°57′33.80,95°15′55.74)作为经度和纬度值;
-属性26-2(att2)保持时间类型元数据,如18:30:49,指示24小时时间值;
-属性26-3(att3)保持参数元数据,如相机设置;
-属性26-4(att4)保持布尔元数据,如针对“脸部检测=是”或“脸部检测=否”的标记;以及
-属性26-5(att5)保持图像特征数据,如“风景”、“室外”或“肖像”标志。
当然,上述属性定义是非限制性示例,可以存在这里描述的“系统”中定义的更多或更少的属性,并且针对每个媒体文件20,可以使用不是所有的属性。
此外,依据针对标签建议进行处理的媒体文件20的类型(例如,针对照片对歌曲或视频的标签的不同集合或类型和关联元数据类型),可以存在用于MP 22、TP 32和TP 42的不同定义。可选地,在媒体文件属性的集合24中(以及在标签属性36/46的集合34/44中)包括的元数据的集合可以覆盖针对感兴趣的媒体文件20的所有类型所理解的元数据类型的全部领域。在这种情况下,只有那些针对给定媒体文件20有意义的属性26可以被设置和/或处理,将协调属性26与标签属性36和/或46中的单独属性之间的相似性比较,使得针对类似类型的元数据执行该比较。在这里预期的属性的一个定义中,att26-i={值}表示媒体文件属性26的集合24中的第i个属性。根据元数据的类型,它可以映射到集合34/44中的属性36/46中的第i个属性,或者可以使用其它映射,例如,i到j。在任意情况下,关键是比较相同类型的元数据。
此外,私有贮存器30中的标签33和公共贮存器40中的标签43可以包括例如表示人类意义的关键词、标志的文本串,或对于注释给定类型的媒体文件20有用的其它文本数据。此外,每个标签33的标签属性36(或每个标签43的标签属性46)保持与标签33(或43)相关联的给定类型的元数据的值。因而,当确定是否应向用户建议给定标签33或标签43时,这里预期的处理可以基于确定与媒体文件20相关联的元数据类型的值和与标签33或43相关联的元数据类型的值之间的相似性,来确定是否向用户建议给定标签33或43,以对给定媒体文件20加标签。也就是说,将给定属性26与(针对标签33的)给定属性36或(针对标签43的)给定属性46进行比较。关于这一点,有用的是,识别一些类型的元数据对于给定媒体文件20来说是主观的,而其它类型的元数据对于标记媒体文件20的特定用户来说是主观的。(如将在这里看到的,用户简档50有利地捕捉用户主观性)。
记住上述内容,针对给定媒体文件20的图3的更详细讨论以MP 22开始,MP 22包括媒体文件属性26(例如,表示为att1的26-1,表示为att2的26-2,依此类推)的集合24。每个媒体文件属性26-x标识针对媒体文件20生成或与媒体文件20相关联地捕获的预定项或类型的元数据的值。针对每个媒体文件20,通常定义了MP 22,具有设置为适于描述或表征该媒体文件20的特定值的媒体文件属性26。
注意,针对给定媒体文件20生成或捕捉的元数据可能非常丰富,或者可能相对贫乏。因而,在给定MP 22中不必设置所有属性26,在用于生成标签建议的所有相似性确定中也不必使用所有属性26。事实上,媒体文件属性26的集合24可以理解为元数据值的矢量,其中该矢量的每个元素表示当下系统内理解的给定的定义类型的元数据。例如,针对数字照片的定义元数据类型领域可以包括时间属性、位置属性、温度属性、组/单个照片类型属性、室内/室外属性、面部检测和/或面部识别属性等。针对数字歌曲文件的定义元数据类型明显将会是不同的,但是可以有重叠的类型。
在这一点上,本领域技术人员应当理解,可以针对一种特定类型的数字媒体(例如,专用于照片、音乐或视频)调整公共和私有贮存器和相关联的标签生成方法,或者可以将它们扩展为包括覆盖媒体文件类型范围的元数据类型,或者可以将它们限制为适于给定类型的媒体文件的元数据类型。在任意情况下,每个属性26-x用作存储针对关联媒体文件20生成或利用关联媒体文件20捕捉的特定类型的元数据值的占位符。这种值可以是数字,例如,温度、一天中的时间、位置等,或者可以是布尔值,如姓名属性。还应注意,与给定媒体文件20相关联的元数据可以不包括在私有和公共贮存器的上下文内理解的元数据类型的完整集合,或者可以包括完整集合,其中将未使用或不可应用的属性类型设置给缺省值或标记为未使用。
利用该理解,在图3中看到私有贮存器30的示例说明,这里,私有贮存器30包括被称为标签简档(TP)32(例如,32-1,32-2等)的多个数据结构。假设“x”指私有贮存器30中的TP 32之中的任何特定TP32,每个TP 32-x包括人类意义的媒体注释标签33,如文本串,以及标签属性36的集合34和相应的标签属性权重38。每个标签属性36-1(att1)、36-2(att2)等被配置为保持给定类型的元数据的值。因而,可以将任意给定标签属性36与针对任意给定MP 22的媒体文件属性26中的相应媒体文件属性进行比较。这里,“相应”表示考虑具有与标签属性36相同的元数据类型的媒体文件属性26。作为简单示例,媒体文件属性26-1可以是一天中的时间值,可以类似地定义TP 32,以使它们的第一标签属性36-1是一天中的时间值,允许媒体文件属性26-1与每个TP 32中的标签属性36-1之间的相似性比较。
因而,每个媒体文件属性26被配置为保持对于描述或表征媒体文件20有用的给定定义类型的元数据的值。类似地,每个标签属性36对应于特定类型的元数据。在至少一个实施例中,每个MP 22包括固定数量的媒体文件属性,它们具有已知类型和已知顺序。使用相同的数目、类型和排序来针对每个TP 32定义标签属性的集合34,因而允许包括在任意给定MP 22中的媒体文件属性26和包括在任意给定TP 32中的标签属性36之间的一对一映射/比较。(在另一实施例中,媒体文件属性26的顺序、数目和类型不固定,但每个媒体文件属性26(和标签属性36)包括类型标识符,根据该类型标识符,可以电子读出由其表示的元数据类型。利用该设置,可以通过识别MP 22与TP 32之间的类似属性类型并进行比较来执行媒体文件属性26和相应标签属性36之间的预期比较。
此外,注意,每个TP 32包括标签属性权重38的集合37,例如,表示为w1的权重38-1、表示为w2的权重38-2、依此类推。尽管可以使用其它映射,在一个实施例中,标签属性权重38-1保持与标签属性36-1一起使用的权重,以及标签属性权重38-2保持与标签属性36-2一起使用的权重,依此类推。针对任意给定TP 32并包括标签33,根据“拥有”私有贮存器30的用户的选择行为,调整每个权重38,使得每个标签属性权重38反映给定属性36对于标签33的用户选择的重要性。例如,假设观察到甚至在TP 32-1的标签属性36-1与被加标签的媒体文件20的MP 22中相应的媒体文件属性26-1之间存在低相似性时,用户选择TP 32-1的标签33。在这种情况下,减小权重38-1,以反映标签属性36-1减小的重要性。
通常,针对每个TP 32,每个标签属性36具有关联标签权重38,指示标签属性36对于TP 32中包括的注释标签33的历史选择的重要性。用户选择给定标签33的倾向可以很强地关联于与该标签33/TP 32相关联的标签属性36中的特定标签属性,但是很弱地关联于特定其它标签属性,基于用户的多个标签选择来调整标签权重38,以反映这些各种偏好。
在图3中还可以看出,公共贮存器40包括多个标签简档(TP)42。公共贮存器40中的TP 42通常类似于私有贮存器30中的那些TP,例如,公共贮存器40中的每个TP 42-y包括注释标签,标签属性46(表示为att1的46-1、表示为att2的46-2、依此类推)的关联集合44。类似于私有贮存器30中的TP 32,每个TP 42-y包括标签属性权重48的集合47。不同于私有贮存器30中的标签权重38,响应于可能的大团体用户中的多个用户的选择,调整公共贮存器40中的标签权重48。在这一点上,针对公共贮存器40中的给定TP 42的权重48的集合47反映了给定标签属性46对于包括在给定TP 42中的注释标签的选择的重要性。因而,私有贮存器30中的标签权重38反映了单独用户的偏好或选择行为,而公共贮存器40中的标签权重48反映了整个团体用户的偏好或选择行为(即,协作加权)。
最后,在图3中,可以看到可以电子存储在用户设备10和/或网络节点处的用户简档50包括权重58的另一集合57。每个权重58-1、58-2等表示给定类型的元数据对于单独用户的重要性。例如,假设用户简档权重58-1(w1)对应于一天中的时间元数据。如果随着时间推移观察到,一天中的时间元数据值没有很强地驱动注释标签的用户选择,则减小w1的值。另一方面,如果看到一天中的时间元数据值很强地驱动标签选择,则增大w1的值。
记住上述内容,可以回忆方法100(图1所示)包括获得标签33和43的组合集合以对给定媒体文件20加标签。如所解释的,建议标签的第一集合基于与媒体文件20相关联的媒体文件属性26和与私有贮存器30中的标签33之中的单独标签相关联的相应标签属性36之间确定的相似性。此外,同样从公共贮存器40中获得建议标签的第二集合,即,建议标签的第二集合基于确定与给定媒体文件20相关联的媒体文件属性26和与公共贮存器40中的标签43之中的相应标签相关联的相应标签属性46之间的相似性。注意,任意给定媒体文件属性或标签属性包括定义类型的上下文元数据的值,使得可以确定具有相同的定义类型的上下文元数据的任意给定媒体文件属性和任意给定标签属性之间的相似程度。
方法100的至少一个实施例包括:根据用户特定的用户偏好,对针对私有贮存器30做出的所述相似性确定进行加权。基于用户做出的建议标签的过往选择来学习获得这些用户偏好。进一步,还可以根据对于团体用户整体的团体偏好,对针对公共贮存器40做出的相似性确定进行加权。基于团体用户中的用户做出的建议标签的过往选择来学习获得这些团体偏好。
在至少一个这样的实施例中,用户偏好包括与同存储在私有贮存器30中的每个标签33相关联的标签属性36相对应的标签属性权重38的集合37(可以在TP 32中承载每个这样的标签33,TP 32也包括标签属性36的集合34和与该标签33相关联的标签属性权重38的集合37)。用户偏好还可以包括用户简档50,包括与在方法100的上下文中处理的定义类型的上下文元数据中不同类型的元数据相对应的元数据类型权重58的集合57。
利用这种设置,方法100的一个或更多个实施例包括:基于每个标签属性36和任意给定媒体文件20的相应媒体文件属性26之间的值的相似性,在每次用户选择私有贮存器30中的给定标签33以对该给定媒体文件20加标签时,调整该给定标签33的标签属性权重38,从而基于时间的标签属性权重38反映了用户对该标签33的每个标签属性附加的相对重要性。此外,方法100的至少一个这样的实施例包括:基于每个媒体文件属性26和所选标签33的相应标签属性36的值之间的值的相似性,调整用户选择用来对任意给定媒体文件20加标签的标签33的用户简档50,从而基于时间的用户简档50反映了用户对不同类型的上下文元数据附加的相对重要性。此外,在至少一个这样的实施例中,方法100包括使用用户简档50来使针对公共贮存器40做出的相似性确定的加权进行偏移(按照这种方式,从公共贮存器40中获取的标签建议被偏移,或受到单独用户偏好和大的团体用户的累积偏好的影响)。
在支持这种功能并与图3示例一致的情况下,方法100的一个或更多个实施例包括:保持私有贮存器30作为标签简档32的集合,每个标签简档32包括对媒体文件20进行注释的标签33,标签属性36的集合34,每个属性36是定义类型的上下文元数据之一的值,以及与标签属性36相对应的标签属性权重38的集合37;以及基于计算关联标签属性36与被加标签的媒体文件20的相应媒体文件属性26(在MP 22中)的值之间的相似程度,无论何时用户选择相应标签33对给定媒体文件20加标签,更新每个标签属性权重38。
此外,在至少一个这样的实施例中,方法100包括:保持元数据类型权重58的用户简档50,每个元数据类型权重58包括定义类型的上下文元数据之一的值;以及基于计算标签属性36与被加标签的媒体文件20的相应媒体文件属性26之间的值的相似程度,无论何时用户选择具有相同类型的标签属性36的建议标签33,更新用户简档50中的给定元数据类型权重58。
此外,在一个或更多个实施例中,方法100包括:保持公共贮存器40作为标签简档42的集合,每个标签简档42包括对媒体文件20进行注释的标签43,标签属性46的集合44,每个属性46是定义类型的上下文元数据之一的值,以及与标签属性46相对应的标签属性权重48的集合47;以及基于计算关联标签属性46与被加标签的给定媒体文件20的相应媒体文件属性26(在MP 22中)的值之间的相似程度,无论何时团体用户中的任意给定用户选择相应标签43对该给定媒体文件20加标签,更新每个标签属性权重48。
此外,在至少一个实施例中,方法100包括:与公共标签贮存器40一起保持商务标签贮存器,或在公共标签贮存器40内保持商务标签贮存器,以用于向团体用户建议商务标签。至少一个这样的实施例包括:根据商务标签的货币值,针对商务标签中的任意给定商务标签来设置标签属性权重。例如,通过电子交易,产品、品牌或商店所有者可以提交针对给定商务标签的支付,以使该标签包括在建议标签的组合集合中(至少在与加标签的媒体文件20相关联的元数据方面适合时),和/或可以支付更多,以增大用于确定商务标签是否将会包括在建议标签的组合集合中的加权。
然而,无论是否使用商务标签,方法100的一个或更多个实施例包括:根据基于用户做出的建议标签选择特别调整的选择权重(例如,用于对私有贮存器30中的标签33进行加权的标签属性权重38)来生成建议标签的第一集合,以及根据基于团体用户中的给定用户做出的建议标签选择进行调整的选择权重(例如,用于对公共贮存器40中的标签43进行加权的标签属性权重48)来生成建议标签的第二集合。
图4示出了用户设备10的示例实施例,用户设备10被配置为设备10,用于向用户自动建议标签,对媒体文件20进行注释。所示出的用户设备10包括与网络14通信的通信电路60。例如,通信电路60包括有线和/或无线通信电路,如蜂窝无线收发机。用户设备10还包括一个或更多个数字处理电路64,如一个或更多个基于微处理器的电路、存储器65、用户接口(UI)66、以及媒体捕捉设备68(如,数码相机)。UI 66可以包括键盘、LCD屏幕和/或触摸屏,以向用户显示标签建议,并从用户接收指示用户期望用于对给定媒体文件20加标签的建议标签的标签选择输入。
将会理解,用户设备10的数字处理电路64可以执行与设备10的各种功能特征相关联的一个或更多个软件应用。一个这种应用包括这里所教导的允许用户执行媒体文件加标签的加标签应用70。加标签应用70可以是独立应用,被配置为对一个或更多个类型的媒体文件20加标签,该应用可以本地存储在存储器65中,或可以远程存储在网络14中,如在标签服务器12中。此外或备选地,加标签应用70被配置为结合媒体捕捉处理运行,如在拍摄照片时或在查看照片时。
无论如何将会理解,加标签应用70提供了实现方法100(及其变体)所需的功能处理中的至少一些,或者至少被配置为向如在标签服务器12上实现的这种功能提供接口,这也在图4中示出。根据示例细节,标签服务器12包括网络/通信接口80,如因特网通信接口,以对标签服务器12进行基于IP的访问。
此外,标签服务器12包括一个或更多个数字处理电路82和关联的存储装置84,该存储装置84可以包括数字存储器和/或盘存储装置,可以存储一个或更多个计算机程序,在由数字处理电路82执行该计算机程序时,实现标签服务器12上的加标签应用90。在这一点上,数字处理电路82可以包括计算机或其它基于微处理器的电路,加标签应用90提供实现方法100所需功能处理中的一些或全部。
因而,用户设备10、标签服务器12或相结合进行工作的二者可以被理解为包括电子设备,该电子设备包括一个或更多个数字处理电路,被配置为:(a)获得针对给定媒体文件20的建议注释标签的组合集合,其中该组合集合包括从用户特定的标签33电子存储私有贮存器30中获取的建议标签的第一集合、以及从由团体用户共享的标签43的电子存储公共存储器40中获取的建议标签的第二集合;(b)经由由用户用于对媒体文件20加标签的电子用户设备,输出建议标签的组合集合,以呈现给用户;以及(c)标识建议标签中由用户选择用于对媒体文件20加标签的所选标签。这里,建议标签的第一集合基于与媒体文件20相关联的媒体文件属性26和与私有贮存器30中的标签33之中的单独标签相关联的相应标签属性36之间确定的相似性。同样,从公共贮存器40中获得建议标签的第二集合。通常,任意给定媒体文件属性26或标签属性36(或46)包括定义类型的上下文元数据的值,从而可以确定具有相同定义类型的上下文元数据的任意给定媒体文件属性26与任意给定标签属性36或46之间的相似程度。
在至少一个实施例中,该设备包括用户设备10,其中用户设备10包括与一个或更多个电子处理电路64操作关联的存储器65,用于存储私有贮存器30。此外,通信电路60与一个或更多个数字处理电路64在操作上关联,以将用户设备10与存储公共贮存器40的远程网络节点(例如,标签服务器12)通信耦合。在该实施例中,用户设备10被配置为:通过向远程网络节点发送媒体文件属性26(包括在给定媒体文件20的MP 22中)并接着接收建议标签的第二集合来获得建议标签的第二集合。
在这种情况下,用户设备10的存储器65存储针对标签选择的用户偏好。在一个或更多个这样的实施例中,用户设备10被配置为向远程网络节点(例如,标签服务器12)发送用户偏好以及(给定媒体文件20的)媒体文件属性26,以对远程网络节点做出的媒体文件属性26与针对公共贮存器40中的单独标签43存储的相应标签属性46之间的相似性确定进行偏移。注意,用户偏好包括例如用户简档50。
在另一实施例中,该设备包括远程网络节点,如标签服务器12,被配置为执行方法100的实质性处理中的大多数或全部(即,相似性确定和权重调整)。在这种实施例中,网络节点与用户设备10直接或间接通信耦合,网络节点被配置为:(a)访问存储公共和私有贮存器30和40的电子存储装置;(b)从用户设备10接收媒体文件属性26;通过确定针对私有和公共贮存器30和40的相似性(即,媒体文件属性26与私有贮存器30中标签33的标签属性36和公共贮存器40中标签43的标签属性46中的相应标签属性之间的相似性)来形成建议标签的组合集合;以及通过向用户设备10发送建议标签的组合集合来将其输出。
此外,在至少一个实施例中,数字处理电路64(和/或82)被配置为:根据用户特定的用户偏好,对针对私有贮存器做出的相似性确定进行加权,其中基于用户做出的建议标签的过往选择来学习得到用户偏好。按照相同的方式,可以根据团体用户整体的团体偏好,对针对公共贮存器40做出的相似性确定进行加权,其中基于团体用户内的用户做出的建议标签的过往选择来学习获得团体偏好。
用户偏好可以包括与同在私有贮存器30内的TP 32之一中存储的每个标签33相关联的标签属性36相对应的标签属性权重38的集合37。用户偏好还可以包括用户简档50,该用户简档50包括与定义类型的上下文元数据中的不同类型相对应的元数据类型权重58的集合57。在这一点上,用户设备10的数字处理电路64和/或标签服务器12的数字处理电路82被配置为:每次用户选择私有贮存器30中的给定标签33用于对给定媒体文件20加标签时,调整该标签33的标签属性权重38。该调整基于计算每个标签属性36与给定媒体文件20的相应媒体文件属性26的值之间的相似性,从而基于时间的标签属性权重36反映了用户对该标签33的每个标签属性36附加的相对重要性。
处理电路64和/或82还可以被配置为调整由用户选择用于对任意给定媒体文件20加标签的标签33和/或43的用户简档50。这种调整基于计算媒体文件属性26和所选标签33和/或43的相应属性36和/或46的值之间的值的相似性。按照这种方式,用户简档50随时间调整,以反映用户对不同类型的上下文元数据附加的相对重要性。特别地,在一个或更多个实施例中,处理电路64和/或82被配置为使用或提供用户简档50,以使针对公共贮存器40做出的相似性确定的所述加权进行偏移。
图5示出了上述设备配置提供的处理功能的实际的非限制性示例。处理开始于捕捉照片(块120)。例如,用户设备10包括摄像手机,并且用户用它拍摄数字照片。用户设备10针对新捕捉的数字照片形成MP22(块122)。MP 22包括针对任意数量的元数据文件属性26的上下文元数据值,其中例如通过提供捕捉时间的时钟电路、确定捕捉位置的定位(GPS)电路、确定捕捉时周围温度的温度检测器中的任何一个或更多个来确定特定值。注意,标签服务器12可以例如基于从用户设备10接收的信息或根据捕捉照片的地点,针对任意给定媒体文件20形成MP22。
在任意情况下,处理继续:确定MP 22与私有贮存器30中的TP 32之间的相似性,以获得标签的第一集合(块124)。因而,建议标签的该第一集合包括基于相似性确定而从私有贮存器30中标识的那些标签33。而这些相似性确定包括用户设备10和/或标签服务器12将MP 22与私有贮存器30中的一个或更多个TP 32中的每一个进行比较。特别地,该比较涉及确定媒体文件属性26的值与同每个TP 32相关联的标签属性36中的相应标签属性之间的相似性。作为示例,相似性确定处理通过将媒体文件属性26-1的值与标签属性36-1的值进行比较、将媒体文件属性26-2的值与标签属性36-2的值进行比较、依此类推,来确定MP 22与私有贮存器30中的TP 32-1之间的相似性。可以针对私有贮存器30中的每个TP 32、或针对其子集来执行该属性-属性比较。
处理继续:确定MP 22与公共贮存器40中的TP 42之间的相似性,以获得建议标签的第二集合(块126)。也就是说,建议标签的第二集合包括基于MP 22对于TP 42的相似性确定,从公共贮存器40中标识的那些标签43。与以上描述的针对关于私有贮存器30执行的相似性确定相似,计算属性与属性确定。本领域技术人员将会理解,标签服务器12可以针对公共贮存器40执行相似性确定,而用户设备10可以针对私有贮存器30执行相似性确定。可选地,标签服务器12可以存储或者访问两个贮存器,并针对私有和公共贮存器30和40执行相似性确定。此外,在至少一些配置中,除了针对私有贮存器30执行相似性确定之外,用户设备10在允许其针对公共贮存器40执行相似性确定的基础上访问公共贮存器40。
利用由此获得的建议注释标签的第一和第二集合,处理继续:形成建议注释标签的组合集合(块128),并输出建议注释标签的组合集合(块130)。在将图5视为表示标签服务器处理的情况下,可以将输出步骤理解为向用户设备10直接或间接发送建议注释标签的组合集合。在将图5视为表示用户设备处理的情况下,可以将输出步骤理解为例如经由用户设备10的显示屏幕或其它用户接口元件,向用户输出建议注释标签的组合集合。
处理继续:标识所选标签(块132),所选标签是由用户选择用于对媒体文件20进行注释的建议注释标签的组合集合中的注释标签。在将图5视为表示标签服务器处理的情况下,该标识步骤可以被理解为从用户设备10直接或间接接收指示用户所选标签的信息。在将图5视为表示用户设备处理的情况下,该标识步骤可以被理解为例如根据指向用户设备10的UI 66的用户输入(按钮按压、触摸屏输入等),检测用户选择用于对媒体文件20进行注释的标签。
事实上,多个后续处理操作可以在对用户选择用于对媒体文件20进行注释的建议标签的标识之后。例如,可以执行媒体文件注释,其中将标签附于媒体文件20,或按照将其与媒体文件20链接的方式存储在数据库或其它数据结构中。其它处理可以包括:更新私有贮存器30(例如,按照需要调整针对所选标签中的标签33的标签属性权重38,和/或更新用户简档50中的媒体类型权重58)。此外,处理可以包括更新公共贮存器40(例如,按照需要调整针对所选标签中的标签43的标签属性权重48)。当基于建议标签的组合集合中给定标签43的单独用户选择来更新公共贮存器40时,权重调整可以很小(与调整该用户的私有贮存器30中的权重38相比),因为在针对公共贮存器40进行的权重调整中包括团体用户的整体累积偏好。
转向图6,可以看到更详细的逻辑流程图,该图提供了根据图1引入的方法100的、由用于生成注释标签建议的处理系统执行的“过程工作流”的一个示例(这里,所预期的“系统”可以包括用户设备10、标签服务器12或二者)。过程工作流图使用照片作为示例媒体文件20,但是它可以是诸如音乐或视频的任意其它多媒体类型。
在捕捉照片之后,系统创建相应的MP 22,该MP 22包括照片的上下文元数据,由存储在媒体文件属性26的各个媒体文件属性中的不同值表示。广义地,根据在媒体文件属性26中携带的值与在私有贮存器30中的每个标签33的标签属性36中携带的值和/或在公共贮存器40中的每个标签43的标签属性46中携带的元数据值之间的相似性,建议私有贮存器30(在图中表示为本地标签贮存器)和/或公共贮存器40(在图中表示为全局标签贮存器)中的标签33。
例如,为了确定在建议标签的组合集合中是否包括来自私有贮存器30中的标签33之中的单独标签,处理可以包括:将所计算的相似性(依据下述式3和7)与相似性阈值(可以是预定数字阈值)进行比较。在关联标签属性36与媒体文件属性26之间具有足够高的相似性的标签33包括在要向用户建议的标签列表中,从列表中排除私有贮存器中的剩余标签33。在公共贮存器40中执行相同处理,但是针对公共贮存器中的标签43。
一旦按照这种方式形成建议标签的组合集合,将它呈现给用户(例如,显示在用户设备10中)。注意,在至少一个实施例中,根据相似性确定和/或其它因素(如,反映了用户(或团体用户)选择给定标签的频率的标签“流行度”),对建议标签的列表进行排序。此外注意,如果用户不满意建议标签,他或她可以向列表添加惯用标签,和/或修改建议标签中的一个或更多个-可以将这些改变保存回私有贮存器30或公共贮存器40。
利用显示以便用户选择以对给定媒体文件20进行注释的建议标签,根据用户做出的标签选择来继续处理。也就是说,响应于用户选择建议标签中的给定建议标签,系统例如通过依据针对媒体文件属性26确定的相似性来更新与标签属性36相对应的权重或与标签属性46相对应的权重,对私有贮存器30和/或公共贮存器40进行更新。这种更新提高了未来的标签建议之下的“智能”。
更具体地,私有贮存器30内的每个TP 32中的标签33具有例如针对给定标签33的标签属性权重38的权重矢量(集合37),对应于标签属性36的属性矢量(集合34),关联权重38-1对针对该给定标签的标签属性36-1进行加权。对于存储在公共贮存器40中的标签属性46的属性矢量(集合44)和属性权重48的属性权重矢量(集合47)也是如此。作为非限制性示例,诸如“巴黎”之类的地点名称标签43可以具有设置为适于法国巴黎的经度/纬度值的位置属性46-x,以及设置为NA(不可应用)的其它属性46,或者等同地,可以将那些其它属性46的权重38设置为0,从而在相似性确定中有效地忽略它们。类似的属性加权方案可以用于“面部”标签43(或面部标签33),该标签可以仅具有一个重要属性46或36,例如指示在照片中是否检测到面部的布尔值。
关于选择向用户建议的标签以用于对给定媒体文件20加标签,通过它们的属性来表示媒体文件20和给定标签33或43。仍假设媒体文件20是照片,照片和每个标签将被称为照片实例和标签实例。照片和标签实例由它们各自的属性表示为:
p=[att1,att2,...,attn] (1)
t=[att1,att2,...,attn] (2)
因此,用于确定两个实例(照片或标签)之间的相似性的有利定义是
其中,ont是定义了与属性之间(例如,针对给定标签43的给定标签33或46-x的属性26-x和属性36-x之间)的相似性度量的属性等级有关的本体,其中“x”简单表示相同元数据类型的给定属性。
可以依据属性值,将不同属性间的相似性计算如下:
-数字之间的相似性:0和1之间的归一化距离(或等同相似性);
-二进制值之间的相似性:如果它们等于0,则为1;否则为0(或等同相似性);
-项目和列表之间的相似性:给定操作(如插入、删除等)的集合,将第一元素变换为第二元素所需的步骤数,反之亦然;或者
-分级列表之间的相似性:从根开始相似的步骤数。
此外,对属性权重38的关联集合37(针对给定标签33的属性36的集合34)或属性权重48的集合47(针对给定标签43的属性46的集合44)进行归一化,它们将反映与标签相关的每个属性的重要性。此外,可以将用户简档50中元数据类型权重58的集合57定义为
U=[w1,w2,...,wn], (4)
并且可以将标签属性36的给定集合34(或标签属性46的集合44)定义为
T=[w1,w2,...,wn]. (5)
使用以上定义,当用户针对照片p选择标签t时,将会计算距离sim(t,p)(标签t可以是私有贮存器30中存储的标签33中的任何一个,或者标签t可以是公共贮存器40中存储的标签43中的任何一个)。每个属性之间的距离sim(attk(t),attk(p),ont)将用于更新用户简档U(用户简档50)和标签简档T(TP 32或TP 42中的任何一个)。
如果sim(attk(t),attk(p),ont)很大,则这指示两点:
-用户对于属性attk间的相似性大的标签有偏好;因而将会更新并增大用户简档U中的wk;以及
-因为相似性大,所以所选标签与该属性attk相关;因而将会更新并增大标签简档T中的wk。
另一方面,如果sim(attk(t),attk(p),ont)相反很小,则这指示两点:
-用户不关心标签是否具有类似属性attk;因而将会更新并减小用户简档U中的wk;以及
-所选标签与该属性attk无关;因而将会更新并减小标签简档T中的wk。
可以通过使用运行平均来计算上述示例中的权重wk的更新(另一可选项可以是使用中值以抵消异常值)。
其中v是当前观察。通过使用该系统反馈,用户简档50将会调整为那些用户偏好的标签33或43。因而,暗含的TP 32(或TP 42)将调整为那些对于描述那些标签33(或43)最重要的属性36(或46)。
当计算新照片或其它媒体20和现有标签之间的相似性时,通过按照下式加权两个权重,考虑标签简档和用户简档,
wk=aT(wk)+bU(wk) (7)
其中a+b=1。为了避免偏移的冷启动标签,可以通过下式调整以上计算的权重,
其中γ是阈值,例如1000,wdef是初始缺省标称值,m是选择特定标签的次数,以及wk是式(7)中的实际权重。
这里预期的系统也考虑标签为个人的事实。个人标签33优选存储在用户设备10易于访问的本地标签贮存器(私有贮存器30)中。通过式(8)对全局标签贮存器(公共贮存器40)中的所有标签43进行加权,这意味着调整很少使用的所有标签具有较小的权重,而使更流行的标签具有更高的权重。
当针对图像选择标签时,按照式(7)的描述来计算图像矢量(媒体文件属性26的集合24)和用户与标签矢量(元数据类型权重58的集合57和针对给定标签33(或43)的标签属性36(或46)的标签属性36的集合34(或44))之间的相似性。如式(3)所提及,在属性层级计算该相似性。式(3)也采用本体作为输入参数。这会有用的一个示例是处理语言。居住在地理上非常靠近于彼此的地方(国家边界的两侧)但位于不同的国家的两个用户将最可能说不同的语言。然而,两个人居住在地理上非常远但仍位于相同国家的地方说相同的语言。通过使用本体,可以计算分级层面的相似性,例如,相同的街道但不相同的城市,相同的国家但不相同的大洲等。针对与这种属性相关联的元数据类型,赋予用户简档50中的权重58高加权值将有利于使用用户的“本地”语言的标签,其中本地可以表示从街道到国家的任何情况。
例如,假设用户设备10捕捉巴黎埃菲尔铁塔的照片,并生成或获得相应的元数据信息,如时间=12:00:18,地点=25.0955,55.342083,目标检测=“河,建筑物,公园,面部”,以及面部识别=“女朋友‘Anna’”。该信息用于设置MP 22的相应媒体文件属性26的值。然后可以将媒体文件属性26的集合24作为图像矢量与私有贮存器30中的一个或更多个标签33和/或公共贮存器40中的一个或更多个标签43的标签矢量进行比较(这里,每个标签33或43的标签矢量是标签属性36或46的集合34或44)。例如,在贮存器之一中可以有“埃菲尔铁塔”标签,其位置属性产生与MP 22中的位置属性的最佳或接近最佳的匹配。另一方面,另一标签中的位置属性值将不会匹配得非常好,或者根本不匹配。基于位置属性和MP 22的位置属性之间的相似性,埃菲尔铁塔标签因而会是向用户建议的强有力备选。
当然,可以有其它标签包括在私有或公共贮存器30或40中,如“巴黎”或“巴黎的假期”。针对MP 22中的位置属性,这些标签还可以在它们的位置属性方面具有良好匹配。此外,它们可以具有与MP 22中的其它属性良好匹配的其它属性。例如,“巴黎的假期”标签可以包括“快乐的脸”属性,可以非常好的匹配照片中笑脸的检测。此外,“巴黎的假期”标签可以是公共贮存器40中非常流行的标签,因而它可以在向用户呈现的建议标签的列表中的等级非常高。也可以有与MP 22非常良好匹配的私有贮存器30中的个人标签与一个或更多个属性相关。例如,标签“埃菲尔铁塔前的Anna”将包括基于(经由图像处理算法)识别照片图像文件中的Anna设置其值的元数据属性,并且将包括至少位置属性,其值被设置为埃菲尔铁塔的地理位置。
如上所述,向用户建议给定标签的适用性取决于与该标签相关联的元数据值和期望注释标签建议的媒体文件20的元数据值之间的相似程度。为了计算这些相似性,这里预期的系统使用类似的函数来评估要计算的属性对。该函数将相同类型的两个属性值(即,来自媒体文件20的MP 22的属性26-x和相同类型的属性36-y或46-z,其中“x”“y”和“z”分别表示属性26、36和46的集合24、34和44内的(类似元数据类型的)给定属性)作为其输入。该函数返回归一化值[0,1],反映了对两个属性的相似性的评估,其中1=最大相似性,及0=无相似性。
例如,相似性函数sim可以将串类型属性作为输入。该函数操作sim(camera1,camera2)通过将两个相机分为三类(系统相机、袖珍相机和移动相机)来比较两个相机。可以通过包含相机模型与其相机类型之间的所有关系的本体来支持该函数(在该上下文中,本体表示具有推理规则的分类法)。更详细地:
Individual(a:nikon_d70type(a:System_Camera))
Individual(a:canon_20d type(a:System_Camera))
Individual(a:canon_ixus type(a:Compact_Camera)).
可以通过定义对称特性(如verySimilar、similar、notAtAllSimilar),然后写入swrl(语义网络规则语言)规则来进一步扩展复杂度:
SystemCamera(?x)^SystemCamera(?y)->verySimilar(?x,?y)
SystemCamera(?x)^CompactCamera(?y)->similar(?x,?y)
SystemCamera(?x)^CameraPhone(?y)->notAtAllSimilar(?x,?y).
由于对称特性,该示例的相似性处理将会产生:
verySimilar(nikon_d70,canon_20d)
similar(canon_20d,canon_ixus)和
verySimilar(canon_20d,nikon_d70)
similar(canon_ixus,canon_20d)。
作为另一示例,相似性确定可以包括地理位置。由于地球的曲率,这种比较涉及球面三角计算。预期的系统仍可以利用描述了策略区域的本体,以断定例如靠近挪威边界的瑞典的城市更类似于另一瑞典城市,而非在地理上较为靠近的挪威城市。更详细地:
Individual(a:Sweden type(a:country))
Individual(a:Norway type(a:country))
ObjectProperty(a:has_ParentRegion domain(a:City)
range(a:Country))
Individual(a:arvika type(a:City)
value(a:has_ParentRegion a:Sweden))
Individual(a:oslo type(a:City)
value(a:has_ParentRegion a:Norway)).
此外,该系统可以使用定义城市间的相似性的规则:
hasParentRegion(?x,?parent)^hasParentRegion(?y,?parent)->
verySimilar(?x,?y).
对于上面的示例,该规则产生:
verySimilar(arvika,stockholm)
similar(arvika,oslo)
其中可以看到,确定Arvika和Stockholm之间的相似程度较高,但它们比Arvika和Oslo距离更远。
作为复杂化的另一点,这里预期的处理的一个或更多个实施例被配置为避免例如通过用户添加非常个人/主观的标签或使人误解的标签而导致的噪声的问题。为了与这些类型的噪声斗争,系统可以基于团体用户的选择频率来聚合标签。
例如,标签服务器12中的标签聚合是使在某种程度上类似的媒体文件20的标签组合的过程。标签服务器12这样做是因为它需要知道团体用户中每个标签的重要性。每个标签的重要性控制作为对新的媒体文件20加标签的建议而提供的标签列表中的位置。例如,用户在系统从未体验过的情形下(用户个人标签空间之外)拍摄新照片。该系统将使用来自标签服务器12的信息对新照片加标签,其中标签服务器12有利地具有可能的大数量的标签和关联属性矢量。在这些属性矢量中,存在一些与所考虑的照片“相关”的属性矢量。因而,理论上系统应首先向用户显示这些相关标签。
然而,更具体地,本质上,<标签,属性>中的至少一些描述了类似的对象。例如,如果在有另外十张照片已经注释了相同标签的相同位置拍摄照片,则这些相关<标签,属性>实体组合在一起,如同它们是一个聚集对象。该聚集允许标签服务器12(和/或用户设备10)估计或跟踪单独标签的选择频率,从而首先建议、或者至少按照将它们排在较高等级的方式建议最频繁选择的标签。
为了实现这种聚集,例如,标签服务器12可以按照四元组<ui,tk,ak,wk>的形式累积来自各个用户的输入,其中ui是第i个用户,tk是第k个标签,ak和wk是与tk对应的属性和权重矢量。针对所有用户的标签tk在字典编辑上是聚集在一起的(假设正确地拼写了标签)。该聚集将使类似拼写但具有不同意义的标签聚到一起。该操作可以被理解为词义消歧(WSD)处理的形式。然后,将使用与标签相关联的权重矢量wk,将所产生的聚集分为主题不相交的类别。例如,词“巴黎”可以归于<巴黎,城市;法国>和<巴黎,人;巴黎希尔顿>(明显的同音异义词)。权重矢量之间的欧几里得距离用于对所产生的聚集进行划分,并因而获得WSD。作为特定示例,标签服务器12向包含在公共贮存器40内的标签43应用该聚集处理。
在标签建议处理的另一方案中,预期商务标签的使用。它们可以包括在公共贮存器40中,或者包括在具有类似数据结构的它们自己的贮存器中)。如可以预期的,商务企业想要在适合的环境下将他们的标签建议给用户,以促进品牌识别,并最终提高对他们的产品或服务的消费。因而这里预期的系统的一个或更多个实施例保持商务标签。这些标签可以具有相关联的标签属性和属性权重,非常类似于与公共贮存器40中的标签43相关联的那些标签。
然而,一个区别在于,商务实体提供了以下<ct,tk,ak,wk>,其中ct是第t个商务实体,tk对应于标签(例如Harrods;London),ak是只有两个非零元素(例如,位置值51°29′58.51″N 00°09′48.66″W)的属性矢量,以及wk是相应的权重矢量。作为示例,可以期望向在Ericsson Globe音乐厅中或周围拍照的用户自动建议标签“Ericsson Globe”。在这种情况下,无线网络运营商(或标签服务器经营者,如果是不同的实体)对在商务标签数据库内包括适合的四元组进行计费。此外,可以针对包括给定加权值或建议等级来对基础费用进行计费,并且可以对附加费用进行计费以提高建议标签的频率,或者在建议标签的任何列表中将它向前移动。作为示例,标签服务器12或关联计算机系统通过例如网络浏览器接口向授权用户提供了安全登录和标签购买屏幕。按照这种方式,商务实体可以电子购买并推进在可由标签服务器12访问的公共贮存器40或专用商务标签贮存器中的他们的标签。
然而,无论是否使用商务标签,这里所预期的系统都提供了多个优点。例如,共享与多媒体属性相关联的标签提供了可以用于重新估计标签分类器的“丰富(free)”的注释地面实况,这导致系统具有更好的分类性能。此外,将标签分为私有和公共贮存器,并基于单独用户和团体用户的所获知的选择行为对标签建议进行加权提供了基于单独和组织行为和偏好的标签建议的唯一融合。此外,针对不一致的每种类型的(元数据)属性的相似性确定的使用使系统非常灵活和准确,而例如式(8)的使用防止恶意数据和异常值产生偏移的标签推荐。最后,这里所教导的元数据和标签的共享不需要暴露用户的个人照片,因而该系统保留了用户的私密性,同时使用户能够基于用户自己的学习偏好结合可能的大团体用户的学习偏好来访问标签建议。
Claims (23)
1.一种电子生成由用户用于对媒体文件进行注释的建议标签的方法,所述方法的特征在于:
获得建议标签的组合集合,所述建议标签的组合集合包括从用户特定的标签的电子存储私有贮存器中获取的建议标签的第一集合、以及从由团体用户共享的标签的电子存储公共存储器中获取的建议标签的第二集合;
经由用户用于对媒体文件加标签的电子用户设备,输出建议标签的组合集合,以呈现给用户;以及
标识建议标签中由用户选择用于对媒体文件加标签的所选标签;
其中建议标签的所述第一集合基于与媒体文件相关联的媒体文件属性和与私有贮存器中的标签之中的单独标签相关联的相应标签属性之间确定的相似性;类似地从公共贮存器中获得建议标签的所述第二集合;以及任意给定媒体文件属性或标签属性包括定义类型的上下文元数据的值,从而能够确定具有相同定义类型的上下文元数据的任意给定媒体文件属性与任意给定标签属性之间的相似程度。
2.根据权利要求1所述的方法,其特征还在于:获得注释标签的组合集合的步骤包括:用户设备从电子存储在用户设备内的私有贮存器中获得建议标签的第一集合,通过向远程网络节点发送媒体文件属性并接收建议标签的第二集合来获得建议标签的第二集合,以及组合建议标签的第一集合和第二集合。
3.根据权利要求2所述的方法,其特征还在于:用户设备向远程网络节点发送用户偏好以及发送媒体文件属性,以使由远程网络节点做出的媒体文件属性与针对公共贮存器中的单独标签存储的相应标签属性之间的相似性确定发生偏移。
4.根据权利要求1所述的方法,其特征还在于:在与用户用于对媒体文件加标签的用户设备远离的网络节点中执行所述方法,其中所述方法包括:在网络节点能够访问的电子存储器中存储公共和私有贮存器,从用户设备接收媒体文件属性,生成建议标签的第一和第二集合并形成建议标签的组合集合,以及通过向用户设备发送建议标签的组合集合来将其输出。
5.根据权利要求1所述的方法,其特征还在于:根据用户特定的用户偏好,对针对私有贮存器做出的所述相似性确定进行加权,所述用户偏好是基于用户做出的建议标签的过往选择而学习得到的;以及根据团体用户全局的团体偏好对针对公共贮存器做出的所述相似性确定进行加权,所述团体偏好是基于团体用户内的用户做出的建议标签的过往选择而学习得到的。
6.根据权利要求5所述的方法,其特征还在于:用户偏好包括与同存储在私有贮存器中的每个标签相关联的标签属性相对应的标签属性权重的集合,还包括用户简档,所述用户简档包括与定义类型的上下文元数据中的不同类型相对应的元数据类型权重的集合,其中所述方法还包括:
基于每个标签属性和任意给定媒体文件的相应媒体文件属性之间的值的相似性,在每次用户选择私有贮存器中的给定标签以对所述给定媒体文件加标签时,调整所述给定标签的标签属性权重,从而基于时间的标签属性权重反映了用户对所述标签的每个标签属性附加的相对重要性;以及
基于媒体文件属性和所选标签的相应标签属性的值之间的值的相似性,调整用户选择用来对任意给定媒体文件加标签的标签的用户简档,从而基于时间的用户简档反映了用户对不同类型的上下文元数据附加的相对重要性。
7.根据权利要求6所述的方法,其特征还在于:使用用户简档,使针对公共贮存器做出的相似性确定的所述加权发生偏移。
8.根据权利要求1所述的方法,其特征还在于:保持私有贮存器作为标签简档的集合,每个标签简档包括对媒体文件进行注释的标签、标签属性的集合、以及与标签属性相对应的标签属性权重的集合,每个属性是定义类型的上下文元数据之一的值;以及基于计算关联标签属性与被加标签的媒体文件的相应媒体文件属性的值之间的相似程度,无论何时用户选择相应标签以对给定媒体文件加标签,更新每个标签属性权重。
9.根据权利要求8所述的方法,其特征还在于:保持元数据类型权重的用户简档,每个元数据类型权重包括定义类型的上下文元数据之一的值;以及基于计算标签属性与被加标签的媒体文件的相应媒体文件属性的值之间的相似程度,无论何时用户选择具有相同类型的标签属性的建议标签,更新用户简档中的给定元数据类型权重。
10.根据权利要求1所述的方法,其特征还在于:保持公共贮存器作为标签简档的集合,每个标签简档包括对媒体文件进行注释的标签、标签属性的集合、以及与标签属性相对应的标签属性权重的集合,每个属性是定义类型的上下文元数据之一的值;以及基于计算关联标签属性与被加标签的媒体文件的相应媒体文件属性的值之间的相似程度,无论何时团体用户中的任意给定用户选择相应标签以对给定媒体文件加标签,更新每个标签属性权重。
11.根据权利要求10所述的方法,其特征还在于:与公共标签贮存器一起保持商务标签贮存器,或在公共标签贮存器内保持商务标签贮存器,以用于向团体用户建议商务标签;以及根据商务标签的货币值,针对商务标签中的给定商务标签设置标签属性权重。
12.根据权利要求1所述的方法,还包括:根据基于用户做出的建议标签选择而特别调整的选择权重来生成建议标签的第一集合,以及根据基于团体用户中的给定用户做出的建议标签选择而调整的选择权重来生成建议标签的第二集合。
13.一种被配置为向用户自动建议标签以对媒体文件进行注释的设备,所述设备的特征在于一个或更多个电子处理电路,所述电子处理电路被配置为:
获得注释标签的组合集合,所述注释标签的组合集合包括从用户特定的标签的电子存储私有贮存器中获取的建议标签的第一集合、以及从由团体用户共享的标签的电子存储公共存储器中获取的建议标签的第二集合;
经由用户用于对媒体文件加标签的电子用户设备,输出建议标签的组合集合,以呈现给用户;以及
标识建议标签中由用户选择用于对媒体文件加标签的所选标签;
其中建议标签的所述第一集合基于与媒体文件相关联的媒体文件属性和与私有贮存器中的标签之中的单独标签相关联的相应标签属性之间确定的相似性;类似地从公共贮存器中获得建议标签的所述第二集合;以及任意给定媒体文件属性或标签属性包括定义类型的上下文元数据的值,从而能够确定具有相同定义类型的上下文元数据的任意给定媒体文件属性与任意给定标签属性之间的相似程度。
14.根据权利要求13所述的设备,其中所述设备包括用户设备,以及所述用户设备包括:
与一个或更多个数字处理电路在操作上关联的存储器,用于存储私有贮存器;以及
与一个或更多个数字处理电路在操作上关联的通信电路,用于将用户设备与存储公共贮存器的远程网络节点通信耦合;以及
其中用户设备被配置为通过向远程网络节点发送媒体文件属性并接收建议标签的第二集合来获得建议标签的第二集合。
15.根据权利要求14所述的设备,其特征还在于:用户设备的存储器存储针对标签选择的用户偏好,以及用户设备被配置为:向远程网络节点发送用户偏好以及媒体文件属性,以使由远程网络节点做出的媒体文件属性与针对公共贮存器中的单独标签存储的相应标签属性之间的相似性确定发生偏移。
16.根据权利要求13所述的设备,其中所述设备包括与用户设备直接或间接通信耦合的网络节点,所述网络节点被配置为:
访问存储公共贮存器和私有贮存器的电子存储器;
从用户设备接收媒体文件属性;
通过针对私有贮存器和公共贮存器的相似性的所述确定来形成建议标签的组合集合;以及
通过向用户设备发送建议标签的组合集合来将其输出。
17.根据权利要求13所述的设备,其特征还在于:所述一个或更多个电子处理电路被配置为:根据用户特定的用户偏好,对针对私有贮存器做出的所述相似性确定进行加权,所述用户偏好是基于用户做出的建议标签的过往选择而学习得到的;以及根据团体用户全局的团体偏好对针对公共贮存器的所述相似性确定进行加权,所述团体偏好是基于团体用户内的用户做出的建议标签的过往选择而学习得到的。
18.根据权利要求17所述的设备,其特征还在于:用户偏好包括与同存储在私有贮存器中的每个标签相关联的标签属性相对应的标签属性权重的集合,还包括用户简档,所述用户简档包括与定义类型的上下文元数据中的不同类型相对应的元数据类型权重的集合,其中所述一个或更多个电子处理电路被配置为:
基于每个标签属性和任意给定媒体文件的相应媒体文件属性之间的值的相似性,在每次用户选择私有贮存器中的给定标签以对所述给定媒体文件加标签时,调整所述给定标签的标签属性权重,从而基于时间的标签属性权重反映了用户对所述标签的每个标签属性附加的相对重要性;以及
基于媒体文件属性和所选标签的相应标签属性的值之间的值的相似性,调整用户选择用来对任意给定媒体文件加标签的标签的用户简档,从而基于时间的用户简档反映了用户对不同类型的上下文元数据附加的相对重要性。
19.根据权利要求18所述的设备,其特征还在于:所述一个或更多个电子处理电路被配置为:使用或以其他方式提供用户简档,使针对公共贮存器做出的相似性确定的所述加权发生偏移。
20.根据权利要求13所述的设备,其特征还在于:私有贮存器被存储作为标签简档的集合,每个标签简档包括对媒体文件进行注释的标签、标签属性的集合、以及与标签属性相对应的标签属性权重的集合,每个属性是定义类型的上下文元数据之一的值;以及所述一个或更多个电子处理电路被配置为:基于计算关联标签属性与被加标签的媒体文件的相应媒体文件属性的值之间的相似程度,无论何时用户选择相应标签以对给定媒体文件加标签,更新每个标签属性权重。
21.根据权利要求20所述的设备,其特征还在于:所存储的用户简档包括元数据类型权重,每个元数据类型权重包括定义类型的上下文元数据之一的值;以及所述一个或更多个电子处理电路被配置为:基于计算标签属性与被加标签的媒体文件的相应媒体文件属性的值之间的相似程度,无论何时用户选择具有相同类型的标签属性的建议标签,更新用户简档中的给定元数据类型权重。
22.根据权利要求13所述的设备,其特征还在于:公共贮存器被存储作为标签简档的集合,每个标签简档包括对媒体文件进行注释的标签、标签属性的集合、以及与标签属性相对应的标签属性权重的集合,每个属性是定义类型的上下文元数据之一的值;以及所述一个或更多个电子处理电路被配置为:基于计算关联标签属性与被加标签的媒体文件的相应媒体文件属性的值之间的相似程度,无论何时团体用户中的任意给定用户选择相应标签以对给定媒体文件加标签,更新每个标签属性权重。
23.根据权利要求22所述的方法,其特征还在于:所存储的商务标签贮存器包括在公共标签贮存器中,或能够通过公共标签贮存器来访问;以及所述一个或更多个电子处理电路被配置为:使用商务标签存储器向团体用户建议商务标签,其中根据商务标签的货币值,针对商务标签中的给定商务标签来设置标签属性权重。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/SE2010/050013 WO2011084092A1 (en) | 2010-01-08 | 2010-01-08 | A method and apparatus for social tagging of media files |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102713905A true CN102713905A (zh) | 2012-10-03 |
Family
ID=44305648
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010800609607A Pending CN102713905A (zh) | 2010-01-08 | 2010-01-08 | 用于媒体文件的社会标签的方法和设备 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20130046761A1 (zh) |
EP (1) | EP2521979A4 (zh) |
CN (1) | CN102713905A (zh) |
WO (1) | WO2011084092A1 (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014071850A1 (en) * | 2012-11-07 | 2014-05-15 | Tencent Technology (Shenzhen) Company Limited | Method and apparatus for storing webpage access records |
CN105653154A (zh) * | 2015-12-23 | 2016-06-08 | 广州三星通信技术研究有限公司 | 在终端中为资源设置标签的方法及设备 |
CN108228804A (zh) * | 2017-12-29 | 2018-06-29 | 北京奇元科技有限公司 | 一种更新资源文件标签权重值的方法及装置 |
CN109063203A (zh) * | 2018-09-14 | 2018-12-21 | 河海大学 | 一种基于个性化模型的查询词扩展方法 |
CN109241347A (zh) * | 2012-12-13 | 2019-01-18 | 微软技术许可有限责任公司 | 用于内容反应注释的系统和方法 |
CN110851638A (zh) * | 2019-11-06 | 2020-02-28 | 杭州睿琪软件有限公司 | 获取物种识别名称的方法及装置 |
CN111476141A (zh) * | 2020-04-02 | 2020-07-31 | 吉林建筑大学 | 一种提高样本标签准确性的方法和装置 |
CN114997120A (zh) * | 2021-03-01 | 2022-09-02 | 北京字跳网络技术有限公司 | 文档标签的生成方法、装置、终端和存储介质 |
Families Citing this family (61)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8275666B2 (en) | 2006-09-29 | 2012-09-25 | Apple Inc. | User supplied and refined tags |
US10552701B2 (en) * | 2008-02-01 | 2020-02-04 | Oath Inc. | System and method for detecting the source of media content with application to business rules |
US20090307140A1 (en) * | 2008-06-06 | 2009-12-10 | Upendra Mardikar | Mobile device over-the-air (ota) registration and point-of-sale (pos) payment |
US20120030282A1 (en) * | 2009-10-29 | 2012-02-02 | Bbe Partners, Llc D/B/A "Fampus" | System, method, and apparatus for providing third party events in a social network |
US8903798B2 (en) * | 2010-05-28 | 2014-12-02 | Microsoft Corporation | Real-time annotation and enrichment of captured video |
US9703782B2 (en) | 2010-05-28 | 2017-07-11 | Microsoft Technology Licensing, Llc | Associating media with metadata of near-duplicates |
US8824748B2 (en) * | 2010-09-24 | 2014-09-02 | Facebook, Inc. | Auto tagging in geo-social networking system |
KR101069090B1 (ko) * | 2011-03-03 | 2011-09-30 | 송석명 | 조립식 경조사용 쌀 화환 |
US9317530B2 (en) | 2011-03-29 | 2016-04-19 | Facebook, Inc. | Face recognition based on spatial and temporal proximity |
US9678992B2 (en) | 2011-05-18 | 2017-06-13 | Microsoft Technology Licensing, Llc | Text to image translation |
JP5995520B2 (ja) * | 2011-06-14 | 2016-09-21 | キヤノン株式会社 | 画像に関する処理支援システム、情報処理装置、及び画像に関する処理影支援方法 |
US20120324538A1 (en) * | 2011-06-15 | 2012-12-20 | Cisco Technology, Inc. | System and method for discovering videos |
US8862767B2 (en) | 2011-09-02 | 2014-10-14 | Ebay Inc. | Secure elements broker (SEB) for application communication channel selector optimization |
US20130060661A1 (en) * | 2011-09-06 | 2013-03-07 | Apple Inc. | Managing access to digital content items |
US9424258B2 (en) | 2011-09-08 | 2016-08-23 | Telefonaktiebolaget Lm Ericsson (Publ) | Assigning tags to media files |
US8775423B2 (en) * | 2011-09-15 | 2014-07-08 | Verizon Argentina S.R.L. | Data mining across multiple social platforms |
US20130212115A1 (en) * | 2012-02-09 | 2013-08-15 | Gface Gmbh | Tag inheritance |
US9594767B2 (en) * | 2012-03-19 | 2017-03-14 | David W. Victor | Providing access to documents of friends in an online document sharing community based on whether the friends' documents are public or private |
US9355384B2 (en) | 2012-03-19 | 2016-05-31 | David W. Victor | Providing access to documents requiring a non-disclosure agreement (NDA) in an online document sharing community |
US9280794B2 (en) | 2012-03-19 | 2016-03-08 | David W. Victor | Providing access to documents in an online document sharing community |
US9875239B2 (en) | 2012-03-19 | 2018-01-23 | David W. Victor | Providing different access to documents in an online document sharing community depending on whether the document is public or private |
WO2013173626A2 (en) * | 2012-05-18 | 2013-11-21 | Clipfile Corporation | Using content |
KR101993241B1 (ko) * | 2012-08-06 | 2019-06-26 | 삼성전자주식회사 | 이미지에 대한 부가 정보 태깅 및 검색 방법과 시스템, 기기와 그 기록 매체 |
US20140074837A1 (en) * | 2012-09-10 | 2014-03-13 | Apple Inc. | Assigning keyphrases |
JP6036109B2 (ja) * | 2012-09-28 | 2016-11-30 | ブラザー工業株式会社 | 情報処理装置、情報処理装置のプログラム、および情報処理装置の制御方法 |
US20140107932A1 (en) * | 2012-10-11 | 2014-04-17 | Aliphcom | Platform for providing wellness assessments and recommendations using sensor data |
US10084840B2 (en) * | 2013-01-31 | 2018-09-25 | Art Research And Technology, L.L.C. | Social networking with video annotation |
WO2014121114A1 (en) * | 2013-01-31 | 2014-08-07 | Hirschfeld David | Social networking with video annotation |
US10546352B2 (en) * | 2013-03-14 | 2020-01-28 | Facebook, Inc. | Method for selectively advertising items in an image |
US9547713B2 (en) * | 2013-04-30 | 2017-01-17 | Microsoft Technology Licensing, Llc | Search result tagging |
US10255253B2 (en) | 2013-08-07 | 2019-04-09 | Microsoft Technology Licensing, Llc | Augmenting and presenting captured data |
WO2015018244A1 (en) | 2013-08-07 | 2015-02-12 | Microsoft Corporation | Augmenting and presenting captured data |
US9607014B2 (en) * | 2013-10-31 | 2017-03-28 | Adobe Systems Incorporated | Image tagging |
US9256652B2 (en) * | 2013-12-13 | 2016-02-09 | Rovi Guides, Inc. | Systems and methods for combining media recommendations from multiple recommendation engines |
US9304657B2 (en) * | 2013-12-31 | 2016-04-05 | Abbyy Development Llc | Audio tagging |
US9189707B2 (en) | 2014-02-24 | 2015-11-17 | Invent.ly LLC | Classifying and annotating images based on user context |
US9628551B2 (en) * | 2014-06-18 | 2017-04-18 | International Business Machines Corporation | Enabling digital asset reuse through dynamically curated shared personal collections with eminence propagation |
US9710437B2 (en) * | 2014-07-10 | 2017-07-18 | International Business Machines Corporation | Group tagging of documents |
US10339171B2 (en) * | 2014-11-24 | 2019-07-02 | RCRDCLUB Corporation | Dynamic feedback in a recommendation system |
US9652664B1 (en) | 2014-12-30 | 2017-05-16 | Morphotrust Usa, Llc | Facial recognition using fractal features |
US9697296B2 (en) * | 2015-03-03 | 2017-07-04 | Apollo Education Group, Inc. | System generated context-based tagging of content items |
JP6535501B2 (ja) * | 2015-04-17 | 2019-06-26 | エヌ・ティ・ティ・コミュニケーションズ株式会社 | 識別サーバ、識別方法及び識別プログラム |
US10747801B2 (en) * | 2015-07-13 | 2020-08-18 | Disney Enterprises, Inc. | Media content ontology |
US10564794B2 (en) | 2015-09-15 | 2020-02-18 | Xerox Corporation | Method and system for document management considering location, time and social context |
JP6600203B2 (ja) * | 2015-09-15 | 2019-10-30 | キヤノン株式会社 | 情報処理装置、情報処理方法、コンテンツ管理システム、およびプログラム |
US10467282B2 (en) * | 2015-12-17 | 2019-11-05 | Facebook, Inc. | Suggesting tags on online social networks |
US9830533B2 (en) * | 2015-12-30 | 2017-11-28 | International Business Machines Corporation | Analyzing and exploring images posted on social media |
US11232108B2 (en) * | 2016-07-05 | 2022-01-25 | Sedarius Tekara Perrotta | Method for managing data from different sources into a unified searchable data structure |
US10609442B2 (en) | 2016-07-20 | 2020-03-31 | Art Research And Technology, L.L.C. | Method and apparatus for generating and annotating virtual clips associated with a playable media file |
US20180267995A1 (en) * | 2017-03-20 | 2018-09-20 | International Business Machines Corporation | Contextual and cognitive metadata for shared photographs |
US11026634B2 (en) | 2017-04-05 | 2021-06-08 | doc.ai incorporated | Image-based system and method for predicting physiological parameters |
US11145421B2 (en) * | 2017-04-05 | 2021-10-12 | Sharecare AI, Inc. | System and method for remote medical information exchange |
WO2019088867A1 (ru) * | 2017-11-03 | 2019-05-09 | Общество С Ограниченной Ответственностью "Асд Технолоджиз" | Автоматическое импортирование метаданных файлов между аккаунтами пользователя и хранилищем данных |
US11259075B2 (en) * | 2017-12-22 | 2022-02-22 | Hillel Felman | Systems and methods for annotating video media with shared, time-synchronized, personal comments |
US11792485B2 (en) * | 2017-12-22 | 2023-10-17 | Hillel Felman | Systems and methods for annotating video media with shared, time-synchronized, personal reactions |
AU2018201311B2 (en) * | 2018-02-22 | 2023-11-30 | Artlife Solutions Pty Ltd | A system and method for sorting digital images |
US10869105B2 (en) * | 2018-03-06 | 2020-12-15 | Dish Network L.L.C. | Voice-driven metadata media content tagging |
US11853891B2 (en) | 2019-03-11 | 2023-12-26 | Sharecare AI, Inc. | System and method with federated learning model for medical research applications |
CN110287372B (zh) * | 2019-06-26 | 2021-06-01 | 广州市百果园信息技术有限公司 | 用于负反馈的标签确定方法、视频推荐方法及其装置 |
US11915802B2 (en) | 2019-08-05 | 2024-02-27 | Sharecare AI, Inc. | Accelerated processing of genomic data and streamlined visualization of genomic insights |
US11321447B2 (en) | 2020-04-21 | 2022-05-03 | Sharecare AI, Inc. | Systems and methods for generating and using anthropomorphic signatures to authenticate users |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101115124A (zh) * | 2006-07-26 | 2008-01-30 | 日电(中国)有限公司 | 基于音频水印识别媒体节目的方法和装置 |
US20080162557A1 (en) * | 2006-12-28 | 2008-07-03 | Nokia Corporation | Systems, methods, devices, and computer program products providing for reflective media |
CN101467151A (zh) * | 2006-06-16 | 2009-06-24 | 诺基亚公司 | 用于提供元数据条目的方法、设备和计算机程序产品 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6735583B1 (en) * | 2000-11-01 | 2004-05-11 | Getty Images, Inc. | Method and system for classifying and locating media content |
AU2002230449A1 (en) * | 2000-11-15 | 2002-05-27 | Mark Frigon | Method and apparatus for processing objects in online images |
US7266563B2 (en) * | 2001-12-28 | 2007-09-04 | Fotomedia Technologies, Llc | Specifying, assigning, and maintaining user defined metadata in a network-based photosharing system |
US20040174434A1 (en) * | 2002-12-18 | 2004-09-09 | Walker Jay S. | Systems and methods for suggesting meta-information to a camera user |
US20060112067A1 (en) * | 2004-11-24 | 2006-05-25 | Morris Robert P | Interactive system for collecting metadata |
US20070008321A1 (en) * | 2005-07-11 | 2007-01-11 | Eastman Kodak Company | Identifying collection images with special events |
US20070118509A1 (en) * | 2005-11-18 | 2007-05-24 | Flashpoint Technology, Inc. | Collaborative service for suggesting media keywords based on location data |
US7822746B2 (en) * | 2005-11-18 | 2010-10-26 | Qurio Holdings, Inc. | System and method for tagging images based on positional information |
US20070124333A1 (en) * | 2005-11-29 | 2007-05-31 | General Instrument Corporation | Method and apparatus for associating metadata with digital photographs |
US9081779B2 (en) * | 2007-08-08 | 2015-07-14 | Connectbeam, Inc. | Central storage repository and methods for managing tags stored therein and information associated therewith |
US9405752B2 (en) * | 2009-02-13 | 2016-08-02 | T-Mobile Usa, Inc. | System and method for automatically presenting a media file on a mobile device based on relevance to a user |
-
2010
- 2010-01-08 WO PCT/SE2010/050013 patent/WO2011084092A1/en active Application Filing
- 2010-01-08 US US13/520,211 patent/US20130046761A1/en not_active Abandoned
- 2010-01-08 CN CN2010800609607A patent/CN102713905A/zh active Pending
- 2010-01-08 EP EP10842337.7A patent/EP2521979A4/en not_active Withdrawn
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101467151A (zh) * | 2006-06-16 | 2009-06-24 | 诺基亚公司 | 用于提供元数据条目的方法、设备和计算机程序产品 |
CN101115124A (zh) * | 2006-07-26 | 2008-01-30 | 日电(中国)有限公司 | 基于音频水印识别媒体节目的方法和装置 |
US20080162557A1 (en) * | 2006-12-28 | 2008-07-03 | Nokia Corporation | Systems, methods, devices, and computer program products providing for reflective media |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103812825B (zh) * | 2012-11-07 | 2017-02-08 | 腾讯科技(深圳)有限公司 | 一种文件识别方法、装置及服务器 |
CN103812825A (zh) * | 2012-11-07 | 2014-05-21 | 腾讯科技(深圳)有限公司 | 一种文件识别方法、装置及服务器 |
WO2014071850A1 (en) * | 2012-11-07 | 2014-05-15 | Tencent Technology (Shenzhen) Company Limited | Method and apparatus for storing webpage access records |
CN109241347A (zh) * | 2012-12-13 | 2019-01-18 | 微软技术许可有限责任公司 | 用于内容反应注释的系统和方法 |
CN109241347B (zh) * | 2012-12-13 | 2022-01-04 | 微软技术许可有限责任公司 | 用于内容反应注释的系统和方法 |
CN105653154A (zh) * | 2015-12-23 | 2016-06-08 | 广州三星通信技术研究有限公司 | 在终端中为资源设置标签的方法及设备 |
CN108228804A (zh) * | 2017-12-29 | 2018-06-29 | 北京奇元科技有限公司 | 一种更新资源文件标签权重值的方法及装置 |
CN108228804B (zh) * | 2017-12-29 | 2020-12-11 | 北京奇元科技有限公司 | 一种更新资源文件标签权重值的方法及装置 |
CN109063203A (zh) * | 2018-09-14 | 2018-12-21 | 河海大学 | 一种基于个性化模型的查询词扩展方法 |
CN109063203B (zh) * | 2018-09-14 | 2020-07-24 | 河海大学 | 一种基于个性化模型的查询词扩展方法 |
CN110851638A (zh) * | 2019-11-06 | 2020-02-28 | 杭州睿琪软件有限公司 | 获取物种识别名称的方法及装置 |
CN110851638B (zh) * | 2019-11-06 | 2023-06-02 | 杭州睿琪软件有限公司 | 获取物种识别名称的方法及装置 |
CN111476141A (zh) * | 2020-04-02 | 2020-07-31 | 吉林建筑大学 | 一种提高样本标签准确性的方法和装置 |
CN114997120A (zh) * | 2021-03-01 | 2022-09-02 | 北京字跳网络技术有限公司 | 文档标签的生成方法、装置、终端和存储介质 |
CN114997120B (zh) * | 2021-03-01 | 2023-09-26 | 北京字跳网络技术有限公司 | 文档标签的生成方法、装置、终端和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
EP2521979A1 (en) | 2012-11-14 |
US20130046761A1 (en) | 2013-02-21 |
WO2011084092A1 (en) | 2011-07-14 |
EP2521979A4 (en) | 2014-12-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102713905A (zh) | 用于媒体文件的社会标签的方法和设备 | |
US8934717B2 (en) | Automatic story creation using semantic classifiers for digital assets and associated metadata | |
US10567726B2 (en) | Method, apparatus or system for image processing | |
US8732161B2 (en) | Event based organization and access of digital photos | |
Viana et al. | Towards the semantic and context-aware management of mobile multimedia | |
US20080306995A1 (en) | Automatic story creation using semantic classifiers for images and associated meta data | |
US20130046778A1 (en) | System and method for automated service recommendations | |
US7788267B2 (en) | Image metadata action tagging | |
US20140093174A1 (en) | Systems and methods for image management | |
US20090119572A1 (en) | Systems and methods for finding information resources | |
US20060280427A1 (en) | Method for assembling a collection of digital images | |
CN111125528B (zh) | 信息推荐方法及装置 | |
CN101632063A (zh) | 用于优化设备操作的设备特定内容索引 | |
WO2008048993A2 (en) | Method for estimating real life relationships and popularities among people based on personal visual data | |
Sandhaus et al. | Semantic analysis and retrieval in personal and social photo collections | |
Pagare et al. | A study on image annotation techniques | |
de Figueirêdo et al. | PhotoGeo: a photo digital library with spatial-temporal support and self-annotation | |
CN101641687A (zh) | 使用场景相关信息来定制用户体验 | |
Viana et al. | PhotoMap–automatic spatiotemporal annotation for mobile photos | |
Lu et al. | Time-aware neural collaborative filtering with multi-dimensional features on academic paper recommendation | |
de Andrade et al. | Photo annotation: a survey | |
CN115545349B (zh) | 基于属性敏感交互的时序社交媒体流行度预测方法及装置 | |
Göker et al. | Context and information retrieval | |
Niederée et al. | Preservation value and managed forgetting | |
Venkatesh et al. | “You Tube and I Find”—Personalizing multimedia content access |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20160504 |
|
C20 | Patent right or utility model deemed to be abandoned or is abandoned |