CN104756512B - 媒体概括 - Google Patents

媒体概括 Download PDF

Info

Publication number
CN104756512B
CN104756512B CN201380056871.9A CN201380056871A CN104756512B CN 104756512 B CN104756512 B CN 104756512B CN 201380056871 A CN201380056871 A CN 201380056871A CN 104756512 B CN104756512 B CN 104756512B
Authority
CN
China
Prior art keywords
segment
media file
beholder
video
interest
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.)
Active
Application number
CN201380056871.9A
Other languages
English (en)
Other versions
CN104756512A (zh
Inventor
迈克尔·申那
阿萨夫·左米特
盖尔·切奇克
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Google LLC
Original Assignee
Google LLC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Google LLC filed Critical Google LLC
Priority to CN201810438021.XA priority Critical patent/CN108737857B/zh
Publication of CN104756512A publication Critical patent/CN104756512A/zh
Application granted granted Critical
Publication of CN104756512B publication Critical patent/CN104756512B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G11—INFORMATION STORAGE
    • G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
    • G11B27/00—Editing; Indexing; Addressing; Timing or synchronising; Monitoring; Measuring tape travel
    • G11B27/02—Editing, e.g. varying the order of information signals recorded on, or reproduced from, record carriers
    • G11B27/031—Electronic editing of digitised analogue information signals, e.g. audio or video signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/251—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/252—Processing of multiple end-users' preferences to derive collaborative data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/85—Assembly of content; Generation of multimedia applications
    • H04N21/854—Content authoring
    • H04N21/8549—Creating video summaries, e.g. movie trailer
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/76—Television signal recording
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N9/00—Details of colour television systems
    • H04N9/79—Processing of colour television signals in connection with recording
    • H04N9/80—Transformation of the television signal for recording, e.g. modulation, frequency changing; Inverse transformation for playback
    • H04N9/82—Transformation of the television signal for recording, e.g. modulation, frequency changing; Inverse transformation for playback the individual colour picture signal components being recorded simultaneously only
    • H04N9/8205—Transformation of the television signal for recording, e.g. modulation, frequency changing; Inverse transformation for playback the individual colour picture signal components being recorded simultaneously only involving the multiplexing of an additional signal and the colour video signal
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N9/00—Details of colour television systems
    • H04N9/79—Processing of colour television signals in connection with recording
    • H04N9/87—Regeneration of colour television signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/76—Television signal recording
    • H04N5/765—Interface circuits between an apparatus for recording and another apparatus

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Computing Systems (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

描述了用于概括媒体的技术。观看者交互分析器接收包含媒体的媒体文件，媒体文件包括多个片段。基于一组评级者的交互来媒体文件的片段评分。基于一组观看者与媒体文件的片段的交互，来测量有关媒体文件的片段的观看者度量。基于所测量的观看者交互来形成特征矢量集，其中特征矢量集中的特征矢量基于所述一组观看者的交互。基于特征矢量集和指派给媒体文件的片段的分值来训练模型。

Description

媒体概括
背景技术
视觉托管是指其中观看者分发视频剪辑的服务、软件和/或硬件。视频托管网站允许观看者发现互联网上可用的视频。通常，观看者通过向视频托管网站提交搜索查询或浏览视频托管网站的不同种类或频道来发现有兴趣的视频。使用任一方法，视频主机为观看者呈现他或她能选择的视频列表。
一旦观看者找到有兴趣的视频并且选择指向该视频的链接，与观看者相关联的客户端加载与视频相关联的网页，并且观看者观看该视频和/或视频详情。视频托管网站允许观看者搜索和观看包含在视频托管网站内的视频，或位于或源自其他网站的视频。
发明内容
在此描述了用于概括诸如视频的媒体的技术。观看者交互分析器接收包含媒体的媒体文件。基于一组评级器的交互，对媒体文件的片段评级。基于一组观看者与媒体文件的片段的交互，来测量有关媒体文件的片段的观看者度量。基于所测量的观看者交互来形成特征矢量集，其中特征矢量集中的特征矢量基于所述一组观看者的交互。基于特征矢量集和指派给媒体文件的片段的分值来训练模型。将该模型应用于媒体文件的片段来生成用于媒体文件的片段的兴趣评级。基于具有满足标准的兴趣评级的媒体文件的片段来生成编辑的媒体文件。将编辑的媒体文件存储为媒体文件的概括版本。
该发明内容以简单的形式介绍了在下述详细描述中将进一步描述的概念。该发明内容不旨在识别所要求的主题的关键特征或基本特征，该发明内容也不旨在用作帮助确定所要求的主题的范围。术语“技术”例如是指如由上下文和整个文档允许的设备、系统、方法和/或计算机可读指令。
附图说明
详细描述参考下述附图：
图1显示根据本公开的方面的图示显示与用户搜索查询相关联的视频的观看者界面的示例的截屏。
图2显示根据本公开的方面的图示显示视频的用户界面的示例的截屏。
图3显示根据本公开的方面的图示显示视频的用户界面的示例的另一截屏。
图4显示根据本公开的方面的能够利用用于概括媒体的技术的示例性计算机体系结构的高级框图。
图5显示根据本公开的方面的能够利用用于概括媒体的技术的示例性媒体托管服务系统体系结构的高级框图。
图6显示根据本公开的方面的用于概括媒体的示例性过程的流程图。
具体实施方式
概述
内容传递系统为观看者提供访问诸如视频的媒体内容的许多选择。今天，大量个人、专业或非专业人员同样地制作在线视频内容。在线可获得的一些视频包含可能认为较没兴趣或太长的片段。因此，有时当观看者选择视频时，该视频包含观看者不感兴趣的材料片段。观看者着力观看个体视频的内容来确定该视频是否包含相关材料。可能花费宝贵的时间观看不相关或无兴趣内容的视频，而不是真正相关或观看者感兴趣的视频。
此外，人们在线观看的许多视频，即使当是专业制作时，也会相当长，例如1小时或更长。有时存在观看者选择跳过的不太有兴趣的部分。其他的时间，存在特别有兴趣并且观看者反复观看的部分。例如，通常实况足球(例如英式足球)比赛，然后全部播放。英式足球比赛由两个45分钟时段组成。通常在比赛期间，队员控制足球并且尽力获取优势。可能由于令人振奋的片段，诸如当进球得分、守门员做出精彩扑救、奖励主罚点球等等时，中断这些长连续部分。如果观看者停止观看或跳到该视频的错误部分，观看者可能错过该有兴趣的内容。观看者还可能花费时间在视频中来回跳变，寻找体育视频中的激动人心时刻。
当观看这样的视频时，每一观看者发现或多或少有兴趣的部分或选择放弃视频。例如，音乐视频可能开始慢并且不具有有兴趣的内容。后面，该音乐视频可能具有壮观的视觉和歌曲，但如果观看者停止观看或跳到错误部分，观看者可能错过该有兴趣的内容。
通过进一步示例，图1显示示例性用户界面101，其图示响应于观看者用对话框103中的关键字“Ducati”查询与由Ducati Motor Holding S.P.A.,3 Via Cavalieri Ducati,Bologna,Italy出售的作品有关的视频的结果页。Ducati是Ducati Motor Holding S.P.A.的注册商标。对于关键字，用户界面101列出从诸如视频数据库或视频库的视频数据存储检索的适当视频。适当的视频的示例可以包括“La storia della Ducati Superbike”105和“Lamborghini Gallardo vs.Ducati 999”107。Lamborghini是Automobili LamborghiniHolding S.p.A.，Via Modena,12Sant'Agata Bolognese Italy 40019的注册商标。在检查结果页后，观看者从结果页选择视频来观看。
在选择视频后，前端接口向观看者传送和呈现所请求的视频和相关视频链接。此外，相关视频的图标或缩略图伴随该链接，以及相关联的元数据，诸如标题、作者、标签和评级。例如，如果观看者向前端接口提供对具有标题“La storia della Ducati Superbike”的特定视频的请求，前端接口将所选择的视频连同指向相关视频的链接一起呈现给观看者。
图2显示播放具有标题“La storia della Ducati Superbike”的视频203的示例性网页201。网页201包含允许观看者控制如何和何时播放视频203的控件207。这样的控件207能包括例如播放/暂停按钮209、允许观看者跳过或重复的进度条211、定时器213、音量控制215和画面大小调整217。视频信息框219包含有关视频的信息。相关视频框221包含指向视频托管服务已经确定显示为与视频203有关的视频的链接。视频派发模块从视频数据存储检索相关视频，用于向观看者呈现。如果观看者选择相关视频的链接，则视频托管服务能呈现相关视频。
在图2中，正显示的视频的片段能够是开头，其中可能显示不太有兴趣的信息。例如，可能视频的开头具有诸如发动机移位、最高速度每小时60英里等等的技术信息。图3显示相同的示例性网页201；然而，在图3中，显示“La storia della Ducati Superbike”视频的稍后片段。例如，该稍后片段可能显示来自摩托车比赛的有兴趣亮点。
用最有兴趣的部分概括视频剪辑是将长且不太有兴趣视频剪辑编辑为更有兴趣的一种方式。然而，手动概括是耗时并且劳动密集型的。然而，自动视频概括中的问题是选择视频剪辑的最有兴趣部分。此外，手动概括涉及编辑者的主观判断，其会减损概括的准确度。
在此所述的是用于概括诸如视频的媒体的技术。在一个或多个实现中，数据存储存储媒体文件。观看者交互分析器与数据存储通信。观看者交互分析器接收包含媒体的文件。向一组评级器显示媒体文件。基于一组评级器的交互来对媒体文件的片段评分。基于一组观看者与媒体文件的片段的交互来测量媒体文件的片段的观看者度量。基于所测量的观看者交互来形成特征矢量集。特征矢量集中的特征矢量基于一组观看者的交互。
基于特征矢量集和指派给媒体文件的片段的分值来训练模型。该模型应用于媒体文件的片段来生成用于媒体文件的片段的兴趣评级。基于具有满足标准的兴趣评级的媒体文件的片段来生成编辑的媒体文件。编辑的媒体文件能存储在数据存储中，作为媒体文件的概括版本。在另一实施例中，能存储具有相对于媒体文件的片段的信息的元数据，用于由原始媒体文件播放编辑的视频。
为读者方便，提供该简要概述以及章节标题和相应的概述，并且其不旨在限制权利要求的范围或在前章节。
网络
如前所述，现今通常在诸如互联网计算机网络上可以发现视频托管。互联网连接计算机的全球网络。网络服务器支持允许互联网将网站链接在一起的超文本能力。超文本是在计算机或其他电子设备上显示的具有引用(例如超链接)的其他文本的文本。观看者通过图形用户界面(GUI)导航通过互联网。统一资源定位器(URL)识别特定网站和网页。URL还识别将从网络服务器检索的网站的地址。传输控制协议/互联网协议(TCP/IP)传输信息。
互联网通常使用称为超文本标记语言(HTML)的超文本语言。HTML允许内容提供者将超链接放置在网页内。这些超链接连接可以在多个互联网主机计算机上找到的相关内容或数据。HTML文档链接通过使用超文本传输协议(HTTP)来检索远程数据。当观看者点击Web文档中的链接时，文档中的链接图标与客户端应用用来访问位于URL处的文件的URL相关联。HTTP是用来支持信息传输的协议。
系统体系结构
图4显示示例性计算机体系结构的高级框图，其中能采用用于确定与在此所述的视频有关的观看行为的技术。除硬件外，计算机系统400能包括在存储器404中存储的计算机可执行指令。至少一个总线408耦接用于存储可由处理器402执行的信息和指令的存储器404。专用逻辑电路能补充或包含处理器402和存储器404。
指令可以存储在存储器404中并且可以在一个或多个计算机程序产品中实现。计算机程序产品能是在计算机可读介质上编码的计算机程序指令的一个或多个模块，用于由计算机系统400执行或控制其操作。在可由处理器402执行的指令的执行期间，存储器404可以存储临时变量或其他中间信息。
计算机系统400进一步包括耦接到总线408的数据存储406。数据存储406存储信息和指令。输入/输出模块410可以将计算机系统400耦接到各种设备。输入/输出模块410能是任何输入/输出模块。输入/输出模块410的示例包括数据端口，诸如通用串行总线(USB)端口。输入/输出模块410连接到通信模块412。通信模块412的示例包括连网接口卡，诸如以太网卡和调制解调器。
输入/输出模块410连接到多个设备，诸如输入设备414和/或输出设备416。输入设备414的示例包括键盘和指示设备，诸如鼠标，观看者415能通过它将输入提供给计算机系统400。输出设备416的示例包括显示设备，诸如液晶显示器(LCD)监视器，用于向观看者415显示信息。
根据一个方面，可以响应于处理器402执行包含在存储器404中的一个或多个指令的一个或多个序列，使用计算机系统400来实现在此所述的技术。诸如数据存储设备406的另一机器可读介质可以将这样的指令读入存储器404中。执行包含在存储器404中的指令序列使处理器402执行在此所述的过程步骤。
计算系统400能包括或是客户端和/或服务器。客户端和/或服务器能相互远离并且能通过通信网络交互。借助于在相应计算机上运行并且相互具有客户端-服务器关系的计算机程序，产生客户端和服务器的关系。
图5示出示例性媒体的高级框图，诸如识别与视频有关的观看者行为的视频托管系统501。通常，视频托管系统501表示允许观看者经由搜索和/或浏览界面来访问视频内容的任何系统。在一个实现中，视频托管系统501使另外类型的媒体可用。除视频外，媒体的示例包括音频媒体文件，诸如音乐、播客、音频书等等；多媒体呈现等等。
视频托管系统501表示存储和提供视频给观看者的系统。视频托管系统501经由网络513与多个内容提供者507和客户端509通信。大量网络的配置和管理包括与不同计算机和存储设备可通信耦接的存储设备和计算机。网络513通常是互联网，但可以是任何网络。
客户端509是执行诸如Web浏览器511的客户端软件来加载网站的计算设备。客户端509经由网络513连接到视频托管系统501来显示视频。客户端509能包括各种不同的计算设备。计算设备的示例包括数字助理、个人数字助理、便携式电话、移动电话、智能电话、膝上型计算机、平板电脑等等。
在一些实现中，客户端509包括嵌入式视频播放器，诸如可从Adbode SystemIncorported,345 Park Avenue,San Jose,California 95110获得的视频播放器。当然，客户端509能包括适合于用在视频托管系统501中的视频文件格式的其他播放器，诸如用于HTML 5视频的视频播放器。
内容提供者507的观看者执行各种内容提供者功能。内容提供者功能的示例包括将视频上传到视频托管系统501，编辑由视频托管系统501存储的视频，编辑有关视频的元数据信息，编辑与视频相关联的内容提供者偏好等等。为了清楚，图5仅描述网站503和内容提供者507的一个实例，尽管均能是任意多个。此外，尽管仅示出了一个客户端509，视频托管系统501能在任何时间支持和与大量的(诸如上百万)客户端通信。
视频托管系统501能包括前端接口515、视频派发模块517、视频搜索模块519、上传服务器521、视频数据存储523、观看者交互分析模块527、概括视频数据存储529、相关视频数据存储531、视频编辑器533和观看者数据存储535。未示出其他常规特征，诸如防火墙、负载平衡器、认证服务器、应用服务器、故障服务器、站点管理工具等等，以便更清楚地示例该系统的某些特征。
前端接口515对接在客户端509和视频托管系统501的各个组件之间。上传服务器521从内容提供者507接收视频内容。视频数据存储523包含由内容提供者507提交的一组视频525。视频数据存储523包含多个视频525，诸如几万或亿万。视频数据存储523能使用数据存储或文件系统来实现，以及利用用于索引和检索视频的索引系统实现。唯一视频识别符将每一视频与其他视频区分开来，诸如文本名(例如串“a91qrx8”)、整数或唯一命名视频的任何其他方式。
除视听内容外，视频525包括相关联的元数据525A。元数据的示例包括文本元数据，诸如由上传视频的内容提供者507提供的标题、描述和/或标签，或通过视频托管系统501完成的视频分析获得的元数据。
使用视频搜索模块519，客户端509使用关键字从视频托管系统501搜索视频，浏览各种类别或频道，由其他观看者或系统管理器预览播放列表(诸如形成频道的视频集合)，观看与特定观看者群(诸如社区)相关联的视频等等。视频搜索模块519定位视频数据存储523中的适当视频来返回给客户端509。视频派发模块517将来自视频数据存储523的视频数据提供给客户端509。观看者交互分析模块527确定用于给定视频的相关视频。概括视频数据存储529存储编辑的视频，如下详细所述。
视频概括
如上所述，在此描述用于概括媒体的技术。根据典型观看者对媒体的片段有多(有多不)感兴趣，示例性实现对媒体的片段评级。
在用于概括媒体的技术中，分析观看者观看和收听媒体时的观看者交互来识别观看者认为是最有兴趣的媒体片段。这些交互包括与媒体的多个观看者参与和交互，并且在下文中参考用于视频媒体的实现描述。尽管参考视频媒体来描述用于概括媒体的技术的实现，但这些技术能应用于音频媒体文件，诸如音乐、播客、音频书等等；多媒体呈现等等。
随着观看视频剪辑，视频剪辑的观众通常下降。仅最感兴趣的视频剪辑在视频剪辑结束时保持与开头相同的观看者数。随着播放视频剪辑，观众下降发生的方式某种程度上指示视频剪辑有多令人感兴趣。
在一个实现中，用于概括媒体的技术利用三个观看者群，尽管这样的观看者群的成员可以重叠。在此称为群A或评级者的第一集合是以某个兴趣分值对视频片段评分的观看者，或定序水平或比较。在更常见的实现中，这将是相对小的群，例如几百观看者。
第二集合-在此称为群B或交互观看者1-均是与训练集中的视频交互的观看者。在一个实现中，该集合能是相对大的，例如十亿观看者。
第三集合-在此称为群C或交互观看者2-均是与给定“新”视频交互的观看者。在一个实现中，该群能相对大于评级者群但相对小于感兴趣观看者1群，例如几百观看者到数以千亿计的观看者之间。
从评级者集合-群A的评级-和交互观看者1的集合-组B的观看者交互-来训练模型。相对于模型和群C的观看者交互，对新视频的片段评分。
在一个实现中，将视频剪辑分成片段(或截屏)，不一定相同长度。基于当观看片段时显示的兴趣水平，来对视频剪辑的片段评分。能以各种方式确定兴趣水平。例如，评级者直接输入他们的兴趣水平。评级者能提供每一片段的“兴趣水平”，或提供比较度量，如“片段1”比“片段2”更有趣。能在Chechik,Sharma,Shalit,Bengio,"Large Scale OnlineLearning of Image Similarity Through Ranking",11 Journal of Machine LearningResearch 1 109(2010年3月)看到如何基于相对人判断来训练模型的示例(与基于人序数评分相对)。
能以各种方式确定来自交互观看者群1和交互观看者群2的交互。例如，能利用观看者重复片段、跳过片段、暂停片段、片段期间增加播放速度、片段期间降低播放速度、片段期间降低音量、片段期间增加音量等等。而且，能利用观看者对视频的评论，诸如当观看者评论提及视频中的特定时刻时。能利用指向视频中的特定点的链接。
将意识到根据在本公开中所述的一个或多个实现，观看者能选择退出提供信息，诸如个人信息、人口统计信息、位置信息、专用信息、敏感信息等等。此外，在此所述的一个或多个实现能提供用于匿名所采集、接收或传送的数据。
对于一些实现，评分是二进制的，使得片段被标记为不太有趣或有趣。一些实现以较高粒度级对视频片段评分。例如，实现可以通过观看者兴趣整数n对片段评分，其中，0≤n≤N，并且其中N表示最高观看者兴趣水平。
在片段开始时，对观众归一化。例如，在片段开始时，使观众归一化为1。对于一些实现，如果在播放片段期间归一化的观众落在某一阈值T下，其中，0<T<1，则可以将片段标记为不太有趣。否则，将该片段标记为有趣。当观众低于阈值T时，能调整片段长度。能计算后校准阈值来抑制观众的最小长度，例如实施最大长度，或两者均可。
其他实现在播放片段时测量观众的时间导数。该时间导数的大小的增加指示观众的快速下降，信号告知该片段视作不太有趣。如果在播放期间任一时间点的观众的时间导数的大小比某一指定阈值大，实现可以将片段标记为不太有趣。该时间导数的大小的减小指示观众的快速增加，信号告知认为该片段很有趣。如果播放期间的任一时间点的观众的时间导数的大小比某一指定阈值小，实现可以将该片段标记为很有趣。
对于计分水平不是二进制的一些实现，可以引入阈值集合{T0T1…TN}，其中，T0<T1<…<TN，以及其中，如果在播放片段期间时间导数观众的大小的最大值落在间隔[TnTn+1]内，通过观看者兴趣整数n对片段评分，其中，为了方便，Tn+1可以看作无穷大。
对于一些视频剪辑，有趣片段可以在一系列不太有趣片段后。在前几个不太有趣片段后，观众可能急剧下降，但在视频剪辑中可能存在许多更有趣片段。由于观众的大的明显减小，在稍后时间测量观众在统计学上不显著。因此，当观众相对低时，例如由于早前不太有趣片段，该系统能采用捕捉视频中的有趣片段的度量，诸如通过归一化到较低观众级或采用交互的加权深度比交互的宽度更重的度量。
例如，能测量信号告知与视频剪辑更深交互的观看者交互。示例包括观看者是否对片段采取共享、发评论、聊天、加注释、从寻找动作转变到播放动作、转到全屏、增加音量、从全屏缩小或减小音量的动作。后面的示例可以表示不太有趣片段，而前面的示例可以表示有趣片段。
可以在如上所述的一些测量质量上执行回归分析和其他类型的过滤(平滑)动作。回归分析是指用于估计变量之间的关系的统计技术。回归分析的各种示例包括线性回归模型、简单线性回归、逻辑回归、非线性回归、非参数回归、鲁棒回归和逐步回归。
例如，时间实例可以取作为一秒，以及可以在每一时间实例处测量观众的时间导数。结果是观众度量的时间系列(在这种情况下，度量是时间导数)。这种时间序列可以称为观看者图。过滤可以应用于时间导数的这些原始测量，导致平滑的时间序列或观看者图。现在，其中将时间导数与阈值相比的先前描述的度量可以应用于平滑时间导数。类似的评论适用于其他测量量。
可以将上述度量分组在一起来形成特征矢量，使得与每一片段相关联的是其分量为如所测量的度量的值的特征矢量。特征矢量是表示某个对象的数值特征的n维矢量。可以在大量片段和观看者上训练回归过滤器或分类器。
例如，可以由一个或多个观看者对片段评分来确定应当与该片段相关联的观看者兴趣度，以及可以为片段确定0至10的整数分值。除此以外或替代地，也可以利用序数评分(a应当获得分值7)以外的相对分值(a大于b)。然后，大的观看者群可以观看该片段，使得获得所测量的特征矢量集。给定观看者应用于该片段的分值，可以将诸如回归分析或分类的多个统计技术应用于测量特征矢量集，以便训练回归过滤器或分类器。
回归过滤器或分类器是模型的示例。通常，模型可以看作独立变量(所测量的观众度量)与因变量(片段的兴趣分值)的映射。可以选择除回归过滤器或分类器外的模型。
一旦确定回归过滤器或分类器，当视频托管系统接收到视频剪辑时，回归过滤器或分类器可以用在视频剪辑上，使得可以概括(编辑)视频剪辑。例如，可以编辑掉在0至10的分值规模上具有低于5的分值的所有片段，以便提供更短、更有趣的视频剪辑。为归档目的，可以保存原始视频剪辑或使其可用于观看者的完整观看。可以制作多于1个的编辑版本，由此为观看者提供可以观看什么的选项。
图6是根据一个实现的图示概括媒体中的媒体托管系统501的操作的流程图。其他实现以不同顺序执行图6的步骤。此外，其他实现包括与在此所述的步骤不同和/或另外的步骤。
当接收视频时(602)，向排名者显示视频剪辑(604)。排名者能根据该片段对典型观看者有多有趣来对片段排名(606)。当观看者观看片段时，取得观看者的交互的度量(608)，如上所述。创建特征矢量集(610)。选择模型，诸如回归过滤器或分类器(612)。使用由观看者提供的排名在特征矢量集上训练模型(614)。对组成视频剪辑的其他片段重复该过程，以及相应地更新该模型。可以基于不同视频类型，进一步划分训练。例如，能对运动和音乐视频开发不同模型。
当完成训练时，模型可用于编辑视频剪辑。将模型应用于片段(616)。确定模型是否应用于每一片段(618)。如果模型已经应用于每一片段，产生指示观看者兴趣水平的数值(620)。然后，过滤出没有趣的片段(622)，导致在存储器中存储的一个或多个编辑(概括)视频剪辑(624)，诸如能在诸如图2和3中所述的显示器的显示器上显示编辑视频剪辑的图中的概括视频数据存储229(626)。在另一实施例中，能存储具有相对于媒体文件的片段的信息的元数据，用于从原始媒体文件播放编辑视频。
由此，通过利用在此所述的技术，能自动地概括媒体，并且概括可用于观看者来提供更有趣和/或更佳观看体验。
结论
为方便目的，在“视频”或“多个视频”实现中描述上传媒体，然而，不旨在限制上传媒体的类型。由此，为概括媒体而描述的操作能应用于任何类型的媒体，而不仅是视频。媒体的示例包括音频文件，诸如音乐、播客、音频书等等；图片库、电子书籍、电子连环漫画册等等；多媒体呈现等等。
在此所述的实现不是固有地与任何特定硬件或其他装置相关。能通过任一硬件或通过安装在计算机存储中并且由服务器的处理器执行的计算机程序来控制媒体概括系统的操作。多处理布置中的一个或多个处理器可以用来执行指令序列。
当实现为硬件时，可以为所需目的专门构造硬件，或硬件可以包括由在计算机可读介质上存储的计算机程序选择性激活或重构的通用计算机。此外，在此所述的实现不限于任何特定编程语言。
媒体概括系统可以使用单一计算机或计算机网络实现，包括基于云计算。计算机能是服务器类计算机，包括一个或多个高性能中央处理单元(CPU)；存储器，例如1千兆字节(1GB)或以上主存储器，以及500GB至2太字节(2TB)计算机可读永久存储；网络接口；外围接口；和其他公知组件。
计算机能运行操作系统。操作系统的示例包括计算机操作系统或其变体等等。计算机操作系统是在由Linux Foundation,1796 18th Street,SuiteC,San Francisco,California 94107管理的通用公共许可下可获得的开源操作系统。当然，能使用其他类型的操作系统和计算机，并且预期根据在此的教导能配置未来开发的更强大计算机。
除互联网外，网络可以是任意网络。网络的示例包括局域网(LAN)、城域网(MAN)、校园网(CAN)、广域网(WAN)、移动有线或无线网络、专用网络、虚拟专用网等等。此外，能使用常规加密技术来加密所有或一些链接。加密技术的示例包括安全套接字层(SSL)、安全http、虚拟专用网(VPNS)等等。代替或除上述通信技术外，其他实现利用定制和/或专用数据通信技术。
如在此所使用的术语客户端和内容提供者可以指软件提供客户端和内容提供功能、软件执行于的硬件设备或操作软件和/或硬件的实体。术语“网站”表示用来使用任何连网技术派发内容的任何计算机系统，不限于经互联网或HTTP上传或下载的内容。
术语计算机可读介质包括计算机存储介质。示例包括磁存储设备，诸如硬盘、软盘和磁带；光盘，诸如压缩盘(CD)和数字通用盘(DVD)；磁存储设备，诸如数字带、软盘和磁阻随机存取存储器(MRAM)；非易失存储器，诸如只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、和可擦除可编程只读存储器(EEPROM)；易失存储器，诸如随机存取存储器(RAM)、动态随机存取存储器(DRAM)、铁电随机存取存储器(FeRAM)、静态随机存取存储器(SRAM)；或适合于存储电子指令的任何类型的介质。
此外，有时操作配置被称为模块或通过功能名来引用，而不失一般性。术语“模块”是指用于提供指定功能的计算逻辑。组件间的功能划分、模块命名、组件、属性、数据结构或任何其他编程或结构方面仅是示例，而不是必须遵守或重要的。此外，其他实现可以缺少模块和/或以不同方式将所述的功能分布在模块中。由一个组件执行的功能可以替代地由多个组件执行，以及由多个组件执行的功能可以替代地由单一组件执行。通常，如果适当的话，在一个实现中描述为在服务器侧上执行的功能在其他实现中能在客户端执行，反之亦然。
尽管通过具体实现描述了主题，其他替选、改进和变形对本领域的技术人员来说将是显而易见的。因此，本公开旨在示例性的，而不是限制，并且所有这样的替选、改进和变形均在所附权利要求的精神和范围内。

Claims (17)

1.便利概括媒体的至少一个计算设备，所述计算设备包括：
被配置为存储媒体的数据存储；
观看者交互分析器，所述观看者交互分析器被配置为：
维护模型来确定媒体观看者对哪些媒体文件片段更有兴趣，所述模型是基于与媒体文件的训练集的各片段的用户交互和由用户指派给所述媒体文件的训练集的所述各片段的兴趣分值来训练的，其中所述用户交互包括在所述各片段中的一个片段的呈现期间观众的变化；以及
将所述模型应用于新的媒体文件的片段来生成用于所述新的媒体文件的所述片段的兴趣评级，其中片段的兴趣评级基于该片段的呈现期间观众的下降；以及
视频编辑器，所述视频编辑器被配置为：
基于所述兴趣评级，生成用于所述新的媒体文件的编辑媒体文件，所述编辑媒体文件包括具有满足阈值标准的兴趣评级的所述新的媒体文件的片段；以及
将所述编辑媒体文件添加到所述数据存储，作为所述新的媒体文件的概括版本。
2.如权利要求1所述的至少一个计算设备，其中，所述用户交互包括观众重复片段、观众跳过片段或观众暂停片段中的一个或多个。
3.如权利要求1所述的至少一个计算设备，其中，所述视频编辑器被配置为通过从所述媒体文件过滤兴趣分值低于所述阈值标准的所述媒体文件的那些片段来编辑所述媒体文件。
4.如权利要求1所述的至少一个计算设备，其中，所述用户交互包括观众下滑、观众全屏、观众注释、观众共享、观众评论发布、观众聊天、观众从寻找动作转换到播放动作或观众在全屏和小屏幕之间转换中的一个或多个。
5.如权利要求1所述的至少一个计算设备，其中，所述观看者交互分析器被进一步配置为训练所述模型。
6.如权利要求1所述的至少一个计算设备，其中，所述观看者交互分析器被进一步配置为：监视一组观看者与所述新的媒体文件的所述片段的交互，所监视的交互被使用所述模型映射到当前的媒体文件的片段的兴趣评级，所述交互包括重复片段、跳过片段或暂停片段中的一个或多个。
7.如权利要求5所述的至少一个计算设备，其中，所述观看者交互分析器被进一步配置成通过以下来训练所述模型：
接收指派给所述媒体文件的训练集的各片段的兴趣分值；
基于与所述媒体文件的训练集的各片段的用户交互，来测量用于所述媒体文件的训练集的各片段的观看者度量；以及
基于观看者度量值来形成特征矢量集。
8.如权利要求1所述的至少一个计算设备，其中，所述媒体文件是视频剪辑。
9.一种由被配置成概括媒体的一个或多个计算设备实现的方法，所述方法包括：
维护指示媒体观看者对哪些媒体文件片段更有兴趣的模型，所述模型是基于与媒体文件的训练集的各片段的用户交互和由用户指派给所述媒体文件的训练集的所述各片段的兴趣分值来训练的，其中所述用户交互包括在所述各片段中的一个片段的呈现期间观众的变化；
将所述模型应用于新的媒体文件的片段来生成用于所述新的媒体文件的所述片段的兴趣评级，其中片段的兴趣评级基于该片段的呈现期间观众的下降；
基于所述兴趣评级，生成用于所述新的媒体文件的编辑媒体文件，所述编辑媒体文件包括具有满足阈值标准的兴趣评级的所述新的媒体文件的片段；以及
将所述编辑媒体文件存储在数据存储中，作为所述新的媒体文件的概括版本。
10.如权利要求9所述的方法，进一步包括通过从所述新的媒体文件过滤其兴趣分值低于所述阈值标准的所述媒体文件的片段，来编辑所述新的媒体文件。
11.如权利要求9所述的方法，进一步包括基于回归分析来训练所述模型。
12.如权利要求9所述的方法，其中，将所述模型应用于所述新的媒体文件的片段包括监视一组观看者与所述新的媒体文件的所述片段的交互，所监视的交互被使用所述模型映射到当前的媒体文件的片段的兴趣评级，所述交互包括重复片段、跳过片段或暂停片段中的一个或多个。
13.存储处理器可执行指令的一个或多个计算机可读介质，所述指令在被执行时使一个或多个处理器执行操作，所述操作包括：
维护指示媒体观看者对哪些媒体文件片段更有兴趣的模型，所述模型是基于与媒体文件的训练集的各片段的用户交互和由用户指派给所述媒体文件的训练集的所述各片段的兴趣分值来训练的，其中所述用户交互包括在所述各片段中的一个片段的呈现期间观众的变化；
将所述模型应用于新的媒体文件的片段来生成用于所述新的媒体文件的所述片段的兴趣评级，其中片段的兴趣评级基于该片段的呈现期间观众的下降；
基于所述兴趣评级，生成用于所述新的媒体文件的编辑媒体文件，所述编辑媒体文件包括具有满足阈值标准的兴趣评级的所述新的媒体文件的片段；以及
将所述编辑媒体文件存储在数据存储中，作为所述新的媒体文件的概括版本。
14.如权利要求13所述的存储处理器可执行指令的一个或多个计算机可读介质，进一步包括通过从所述新的媒体文件过滤其兴趣分值低于阈值的所述媒体文件的片段，来编辑所述新的媒体文件。
15.如权利要求13所述的存储处理器可执行指令的一个或多个计算机可读介质，进一步包括训练所述模型。
16.如权利要求13所述的存储处理器可执行指令的一个或多个计算机可读介质，其中，将所述模型应用于所述新的媒体文件的片段包括监视一组观看者与所述新的媒体文件的所述片段的交互，以及所监视的交互被使用所述模型映射到当前的媒体文件的片段的兴趣评级，所述交互包括重复片段、跳过片段或暂停片段中的一个或多个。
17.如权利要求13所述的存储处理器可执行指令的一个或多个计算机可读介质，其中，训练所述模型包括：
接收指派给所述媒体文件的训练集的各片段的兴趣分值；
基于与所述媒体文件的训练集的各片段的用户交互，来测量用于所述媒体文件的训练集的各片段的观看者度量；以及
基于观看者度量值来形成特征矢量集。
CN201380056871.9A 2012-09-10 2013-09-10 媒体概括 Active CN104756512B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810438021.XA CN108737857B (zh) 2012-09-10 2013-09-10 媒体概括

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US13/608,761 2012-09-10
US13/608,761 US9560332B2 (en) 2012-09-10 2012-09-10 Media summarization
PCT/US2013/059091 WO2014040082A1 (en) 2012-09-10 2013-09-10 Media summarization

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN201810438021.XA Division CN108737857B (zh) 2012-09-10 2013-09-10 媒体概括

Publications (2)

Publication Number Publication Date
CN104756512A CN104756512A (zh) 2015-07-01
CN104756512B true CN104756512B (zh) 2018-05-29

Family

ID=50233371

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201380056871.9A Active CN104756512B (zh) 2012-09-10 2013-09-10 媒体概括
CN201810438021.XA Active CN108737857B (zh) 2012-09-10 2013-09-10 媒体概括

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN201810438021.XA Active CN108737857B (zh) 2012-09-10 2013-09-10 媒体概括

Country Status (4)

Country Link
US (2) US9560332B2 (zh)
EP (1) EP2893710A4 (zh)
CN (2) CN104756512B (zh)
WO (1) WO2014040082A1 (zh)

Families Citing this family (56)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9557885B2 (en) 2011-08-09 2017-01-31 Gopro, Inc. Digital media editing
US11042274B2 (en) * 2013-12-04 2021-06-22 Autodesk, Inc. Extracting demonstrations from in-situ video content
US9754159B2 (en) 2014-03-04 2017-09-05 Gopro, Inc. Automatic generation of video from spherical content using location-based metadata
US9836469B2 (en) * 2014-06-06 2017-12-05 Dropbox, Inc. Techniques for processing digital assets for editing in a digital asset editing computer program
US9984293B2 (en) 2014-07-23 2018-05-29 Gopro, Inc. Video scene classification by activity
WO2016014724A1 (en) * 2014-07-23 2016-01-28 Gopro, Inc. Scene and activity identification in video summary generation
US9685194B2 (en) 2014-07-23 2017-06-20 Gopro, Inc. Voice-based video tagging
US9734870B2 (en) 2015-01-05 2017-08-15 Gopro, Inc. Media identifier generation for camera-captured media
US9679605B2 (en) 2015-01-29 2017-06-13 Gopro, Inc. Variable playback speed template for video editing application
WO2016187235A1 (en) 2015-05-20 2016-11-24 Gopro, Inc. Virtual lens simulation for video and photo cropping
US10629086B2 (en) * 2015-06-09 2020-04-21 International Business Machines Corporation Providing targeted, evidence-based recommendations to improve content by combining static analysis and usage analysis
US9894393B2 (en) 2015-08-31 2018-02-13 Gopro, Inc. Video encoding for reduced streaming latency
US9721611B2 (en) 2015-10-20 2017-08-01 Gopro, Inc. System and method of generating video from video clips based on moments of interest within the video clips
US10204273B2 (en) 2015-10-20 2019-02-12 Gopro, Inc. System and method of providing recommendations of moments of interest within video clips post capture
US10095696B1 (en) 2016-01-04 2018-10-09 Gopro, Inc. Systems and methods for generating recommendations of post-capture users to edit digital media content field
US10109319B2 (en) 2016-01-08 2018-10-23 Gopro, Inc. Digital media editing
US10083537B1 (en) 2016-02-04 2018-09-25 Gopro, Inc. Systems and methods for adding a moving visual element to a video
US9972066B1 (en) 2016-03-16 2018-05-15 Gopro, Inc. Systems and methods for providing variable image projection for spherical visual content
US10402938B1 (en) 2016-03-31 2019-09-03 Gopro, Inc. Systems and methods for modifying image distortion (curvature) for viewing distance in post capture
US9838730B1 (en) 2016-04-07 2017-12-05 Gopro, Inc. Systems and methods for audio track selection in video editing
US9794632B1 (en) 2016-04-07 2017-10-17 Gopro, Inc. Systems and methods for synchronization based on audio track changes in video editing
US9838731B1 (en) 2016-04-07 2017-12-05 Gopro, Inc. Systems and methods for audio track selection in video editing with audio mixing option
US9998769B1 (en) 2016-06-15 2018-06-12 Gopro, Inc. Systems and methods for transcoding media files
US9922682B1 (en) 2016-06-15 2018-03-20 Gopro, Inc. Systems and methods for organizing video files
US10250894B1 (en) 2016-06-15 2019-04-02 Gopro, Inc. Systems and methods for providing transcoded portions of a video
US10045120B2 (en) 2016-06-20 2018-08-07 Gopro, Inc. Associating audio with three-dimensional objects in videos
US10185891B1 (en) 2016-07-08 2019-01-22 Gopro, Inc. Systems and methods for compact convolutional neural networks
US10469909B1 (en) 2016-07-14 2019-11-05 Gopro, Inc. Systems and methods for providing access to still images derived from a video
US10395119B1 (en) 2016-08-10 2019-08-27 Gopro, Inc. Systems and methods for determining activities performed during video capture
CN106303675B (zh) * 2016-08-24 2019-11-15 北京奇艺世纪科技有限公司 一种视频片段提取方法和装置
US9836853B1 (en) 2016-09-06 2017-12-05 Gopro, Inc. Three-dimensional convolutional neural networks for video highlight detection
RU2637998C1 (ru) * 2016-09-12 2017-12-08 Общество С Ограниченной Ответственностью "Яндекс" Способ и система создания краткого изложения цифрового контента
US10268898B1 (en) 2016-09-21 2019-04-23 Gopro, Inc. Systems and methods for determining a sample frame order for analyzing a video via segments
US10282632B1 (en) 2016-09-21 2019-05-07 Gopro, Inc. Systems and methods for determining a sample frame order for analyzing a video
US10002641B1 (en) 2016-10-17 2018-06-19 Gopro, Inc. Systems and methods for determining highlight segment sets
US10284809B1 (en) 2016-11-07 2019-05-07 Gopro, Inc. Systems and methods for intelligently synchronizing events in visual content with musical features in audio content
US10262639B1 (en) 2016-11-08 2019-04-16 Gopro, Inc. Systems and methods for detecting musical features in audio content
US10534966B1 (en) 2017-02-02 2020-01-14 Gopro, Inc. Systems and methods for identifying activities and/or events represented in a video
US10339443B1 (en) 2017-02-24 2019-07-02 Gopro, Inc. Systems and methods for processing convolutional neural network operations using textures
CN106899809A (zh) * 2017-02-28 2017-06-27 广州市诚毅科技软件开发有限公司 一种基于深度学习的视频剪辑方法和装置
US10127943B1 (en) 2017-03-02 2018-11-13 Gopro, Inc. Systems and methods for modifying videos based on music
US10185895B1 (en) 2017-03-23 2019-01-22 Gopro, Inc. Systems and methods for classifying activities captured within images
US10083718B1 (en) 2017-03-24 2018-09-25 Gopro, Inc. Systems and methods for editing videos based on motion
US10187690B1 (en) 2017-04-24 2019-01-22 Gopro, Inc. Systems and methods to detect and correlate user responses to media content
US10395122B1 (en) 2017-05-12 2019-08-27 Gopro, Inc. Systems and methods for identifying moments in videos
US10614114B1 (en) 2017-07-10 2020-04-07 Gopro, Inc. Systems and methods for creating compilations based on hierarchical clustering
US10402698B1 (en) 2017-07-10 2019-09-03 Gopro, Inc. Systems and methods for identifying interesting moments within videos
US10402656B1 (en) 2017-07-13 2019-09-03 Gopro, Inc. Systems and methods for accelerating video analysis
US10445586B2 (en) * 2017-12-12 2019-10-15 Microsoft Technology Licensing, Llc Deep learning on image frames to generate a summary
US11539992B2 (en) * 2018-02-28 2022-12-27 Google Llc Auto-adjust playback speed and contextual information
US10820029B2 (en) 2018-10-24 2020-10-27 Motorola Solutions, Inc. Alerting groups of user devices to similar video content of interest based on role
US11170064B2 (en) * 2019-03-05 2021-11-09 Corinne David Method and system to filter out unwanted content from incoming social media data
US20200366973A1 (en) * 2019-05-14 2020-11-19 Pccw Vuclip (Singapore) Pte. Ltd. Automatic Video Preview Creation System
US11640504B2 (en) 2019-05-17 2023-05-02 Samsung Electronics Co., Ltd. Electronic apparatus and controlling method thereof
US11315568B2 (en) 2020-06-09 2022-04-26 International Business Machines Corporation Summarizing multi-modal conversations in a multi-user messaging application
US11849160B2 (en) 2021-06-22 2023-12-19 Q Factor Holdings LLC Image analysis system

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6557042B1 (en) * 1999-03-19 2003-04-29 Microsoft Corporation Multimedia summary generation employing user feedback
US8131786B1 (en) * 2009-11-23 2012-03-06 Google Inc. Training scoring models optimized for highly-ranked results
US8132200B1 (en) * 2009-03-30 2012-03-06 Google Inc. Intra-video ratings

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8081863B2 (en) * 2004-01-30 2011-12-20 Panasonic Corporation Content playback apparatus
US7739599B2 (en) * 2005-09-23 2010-06-15 Microsoft Corporation Automatic capturing and editing of a video
US8549550B2 (en) 2008-09-17 2013-10-01 Tubemogul, Inc. Method and apparatus for passively monitoring online video viewing and viewer behavior
US9535988B2 (en) * 2007-12-21 2017-01-03 Yahoo! Inc. Blog-based video summarization
US8112702B2 (en) * 2008-02-19 2012-02-07 Google Inc. Annotating video intervals
US20100162286A1 (en) 2008-11-24 2010-06-24 Digitalsmiths Corporation Systems and methods for analyzing trends in video consumption based on embedded video metadata
JP5490117B2 (ja) * 2009-07-07 2014-05-14 株式会社東芝 画像処理装置
US8768863B2 (en) * 2011-07-29 2014-07-01 Facebook, Inc. Adaptive ranking of news feed in social networking systems

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6557042B1 (en) * 1999-03-19 2003-04-29 Microsoft Corporation Multimedia summary generation employing user feedback
US8132200B1 (en) * 2009-03-30 2012-03-06 Google Inc. Intra-video ratings
US8131786B1 (en) * 2009-11-23 2012-03-06 Google Inc. Training scoring models optimized for highly-ranked results

Also Published As

Publication number Publication date
US20170110153A1 (en) 2017-04-20
US9560332B2 (en) 2017-01-31
EP2893710A1 (en) 2015-07-15
US20140072285A1 (en) 2014-03-13
US9972356B2 (en) 2018-05-15
CN108737857A (zh) 2018-11-02
WO2014040082A1 (en) 2014-03-13
CN104756512A (zh) 2015-07-01
CN108737857B (zh) 2021-03-30
EP2893710A4 (en) 2016-04-06

Similar Documents

Publication Publication Date Title
CN104756512B (zh) 媒体概括
US11055476B2 (en) Processing web page data across network elements
US20190392866A1 (en) Video summarization and collaboration systems and methods
CN102906689B (zh) 在站点上组织社交活动信息
CN108475279B (zh) 视频竞争发现和推荐
US9235853B2 (en) Method for recommending musical entities to a user
US8290823B1 (en) Customers mention
CN106503025B (zh) 一种应用推荐方法和系统
US20150134673A1 (en) System and method for creating synopsis for multimedia content
US9215243B2 (en) Identifying and ranking pirated media content
JP2012506575A (ja) ダウンロードトランザクション会計及びソーシャルネットワーク交流のための方法及びシステム
US9336212B2 (en) Systems and methods for collection and automatic analysis of opinions on various types of media
WO2013084539A1 (ja) コンテンツ情報配信装置及びコンテンツ情報配信方法
Pichl et al. Combining Spotify and Twitter Data for Generating a Recent and Public Dataset for Music Recommendation.
WO2016137426A1 (en) Navigation menu based on crowd data
WO2015012994A1 (en) Generating playlists using calendar, location and event data
US8615401B1 (en) Identifying individually approved and disapproved segments of content
KR20110122719A (ko) 탐색 엔진 결과 페이지 연구 보조를 위한 시스템 및 방법
JP5306555B1 (ja) 複数のデジタルコンテンツを提供可能なシステム及びこれを用いた方法
JP5821592B2 (ja) コンテンツ情報配信装置及びコンテンツ情報配信方法
CN108108496A (zh) 根据网页创建播放列表
JP6234080B2 (ja) 複数のデジタルコンテンツを提供可能なシステム及びこれを用いた方法
JP5958134B2 (ja) 検索装置、検索プログラム及び検索システム
JP6475744B2 (ja) メディアコンテンツ管理
JP2019053621A (ja) 情報処理装置、情報処理方法および情報処理プログラム

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: American California

Applicant after: Google limited liability company

Address before: American California

Applicant before: Google Inc.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant