CN105210048A - 基于社交媒体的内容识别引擎 - Google Patents
基于社交媒体的内容识别引擎 Download PDFInfo
- Publication number
- CN105210048A CN105210048A CN201480015805.1A CN201480015805A CN105210048A CN 105210048 A CN105210048 A CN 105210048A CN 201480015805 A CN201480015805 A CN 201480015805A CN 105210048 A CN105210048 A CN 105210048A
- Authority
- CN
- China
- Prior art keywords
- event
- image file
- key word
- hot issue
- image
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 claims abstract description 75
- 230000008878 coupling Effects 0.000 claims description 10
- 238000010168 coupling process Methods 0.000 claims description 10
- 238000005859 coupling reaction Methods 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 2
- 238000005259 measurement Methods 0.000 claims 9
- 230000000737 periodic effect Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 38
- 239000000203 mixture Substances 0.000 description 26
- 230000008569 process Effects 0.000 description 23
- 230000006855 networking Effects 0.000 description 11
- 230000009897 systematic effect Effects 0.000 description 9
- 230000036541 health Effects 0.000 description 6
- 230000000875 corresponding effect Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000013500 data storage Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000015654 memory Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 241001602730 Monza Species 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000013011 mating Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Information Transfer Between Computers (AREA)
Abstract
一种用于追踪与特定事件相关联的在社交媒体(如,推特)上的热门话题并识别与该热门话题相关联的相关图像或视频的系统和方法。例如,该系统可以监测与特定体育事件相关的推特订阅,并分析发布在这些订阅中的内容。关于在体育赛事中作出的特定比赛的评论(例如,触地得分)被在监测的订阅内容中由系统检测,并被用于定位和检索照片或视频,该照片或视频与特定比赛相关,用于显示在网站上或其他内容的门户网站上。
Description
背景技术
捕获消费者在网站或其他内容显示上的注意力往往依赖于寻找和选择相关于时事的醒目的图像。例如,消费者被出席颁奖礼的名人的最新图片,运动队的最近记分录像的重播,或者在展销会被展出的下一个“必须拥有”的小工具的图片所吸引。不幸的是,识别和获取相关图像用于显示的过程往往乏味且耗时。例如,定位与特定当前事件相关联的相关的图像通常需要用户手动搜索多个搜索引擎和图像数据库。返回的图像结果由用户审查,一个或多个图像可以由用户选择,并及时发布到网站。有时,用于显示的最有趣的图像的选择可因此取决于技能,时间,和只是普通的运气。
需要一种用于及时提供图像并且不需要大量的人工介入的改进的系统和方法。
附图说明
图1是内容识别系统可以在其中操作的合适的环境的图示。
图2是用于内容识别的方法的流程图。
图3是用于为第一实例事件设置关键字的方法的流程图。
图4是用于收听以捕捉热门的方法的流程图。
图5是示出了收听以捕捉热门的简化的结果的图表,其中两个关键字组合搜索词被跟踪。
图6是示出了收听以捕捉热门的结果的图表,其中25个关键字搜索词被跟踪。
图7是用于利用最高关键字组合搜索词以从数据库中获取图像的方法的流程图。
图8A-8E是用于处理具体示例条件的方法的流程图,其当利用最高关键字组合搜索词从数据库中获取图像时可能发生。
图9是示出了一系列发布到社交网络网站上相关于第一实例事件的图像的屏幕显示的图示。
图10A-10C是示出了发布到社交网络网站上相关于第一实例事件的个体图像的屏幕显示的图示。
图11是用于发布有关第一示例事件的事件图像综述的方法的流程图。
图12是用于设置关键字的第二实例事件的方法的流程图。
图13是示出了一系列发布到社交网络网站上相关于第二实例事件的图像的屏幕显示的图示。
图14A-14C是示出了发布到社交网络网站上相关于第二实例事件的个体图像的屏幕显示的图示。
图15是示出了在社交网络网站上的一系列主题板的屏幕显示的图示,其中图像可为多个实例事件被发布在主题板上。
图16是示出用于投放图像至短消息订阅的配置的图示。
具体实施方式
用于跟踪与特定事件相关联的社交媒体(例如,推特)上的热门话题并识别与该热门话题相关联的相关图像或视频的系统和方法被提供。例如,该系统可以监测与特定体育事件相关的推特订阅,并分析发布在这些订阅中的内容。关于在体育赛事中作出的特定比赛的评论(例如,触地得分)被在监测的订阅内容中由系统检测,并被用于定位和检索照片或视频,该照片或视频与该特定比赛相关,以用于显示在网站上或其他内容门户网站上。应该理解的是,以这种方式,系统可以自动组织最相关的图像,以及在最大相关和最感兴趣的时刻发布图像。
本发明的各种实施例被描述如下。下面的描述提供了对这些实施例的透彻理解和有利描述的具体细节。本领域的技术人员将理解,然而,本发明可以在没有许多这些细节的情况下被实施。此外,一些众所周知的结构或功能可能不被详细示出或描述,以避免不必要地模糊各种实施例的相关描述。在下面给出的描述中所使用的术语意图以其最宽的合理方式来解释,即使它被与本发明的某些具体实施例的详细描述一起使用。
图1和以下讨论提供了合适的计算环境100的简要、概括的描述,内容识别系统可以在该环境中被实现。尽管没有要求,本发明的各方面和实施方式将在计算机可执行指令的一般上下文中描述,例如由通用计算机、个人计算机、服务器,或其他计算系统执行的例程。本发明还可以体现在专用计算机或被专门编程、配置或构造的数据处理器中,以执行本文详细解释的一个或多个的计算机可执行指令。
如在此通常所使用的术语“计算机”和“计算设备”指的是具有处理器和非临时性存储器的设备,像任何上述的设备,以及数据处理器或任何能够与网络进行通信的设备。数据处理器包括可编程通用或专用微处理器、可编程控制器、专用集成电路(ASIC)、可编程逻辑器件(PLD),或类似物,或这些设备的组合。计算机可执行指令可存储在存储器中,诸如随机存取存储器(RAM)、只读存储器(ROM)、闪存存储器,或类似物,或这些组件的组合。计算机可执行指令也可以被存储在一个或多个存储设备,诸如磁或基于光学的盘、闪存设备,或用于数据的任何其他类型的非易失性存储介质或非短暂介质。计算机可执行指令可以包括一个或多个程序模块,包括例程、程序、对象、组件、数据结构等等,它们执行特定任务或实现特定抽象数据类型。
该系统和方法也可以在分布式计算环境中实践,如基于云的计算环境,其中任务或模块由各种远程处理设备执行,其通过通信网络链接,诸如局域网(实施“LAN”)、广域网(“WAN”),或互联网。在分布式计算环境中,程序模块或子程序可以位于本地和远程存储器存储设备中。本文所描述的发明的各方面可被存储或分布在有形的、非临时性计算机可读介质,包括磁性和光学可读和可移动计算机盘,存储在固件中的芯片(例如,EEPROM芯片)。或者,本发明的各方面可以电子分布于互联网或其它网络(包括无线网络)。本领域的有关技术人员将认识到本发明的部分可以位于服务器计算机上,而相应的部分位于客户端计算机上。特定于本发明的各方面的数据结构和数据传输也包括在本发明的范围之内。
参考图1的例子,内容识别系统100在各种计算系统中或之间操作,包括一个或多个服务器计算机115。数据存储区120含有由内容识别系统中使用的数据,和,在一些实现中,执行该系统的功能必要的软件。例如,数据存储区120可以包含图像或视频以及有关图像或视频的数据的有组织的集合,以允许一定的对象的图像或视频被识别。如将在下面更详细地描述的那样,服务器115通常包含用于实现由内容识别系统执行的方法的一个或多个程序。
内容识别系统100通过公共或专用网络140与一个或多个第三方服务器125通信。第三方服务器125包括由定期向服务器115提供有关的信息的商家维护的服务器。例如,某些服务器作出内容识别系统100可用的有关于在社交媒体(例如,推特)中的各种话题的数据。数据可以经由应用编程接口(API)、经由数据的规则传输(使用任一推或拉技术)或经由其他数据传输的技术由第三方服务器提供。内容识别系统100分析从第三方服务器125接收的数据并将所有或部分接收的数据存储在数据存储区域120中。
移动设备105和个人计算机110可以被用户用于访问网站、发送消息、发送推文等。移动设备105和计算机110通过公共通信网络和专用网络140,包括例如,因特网,相互通信,与服务器115和第三方服务器125通信。通过使用无线移动电话标准,例如用于全球移动通信系统(GSM),长期演进(LTE),或另一种无线标准,如IEEE802.11,移动设备105与基站或接入点无线地通信,以及基站或接入点经由网络140与服务器115和第三方服务器125进行通信。个人电脑110使用,例如,TCP/IP协议通过网络140进行通信。
图2是一个流程图,其示出了由内容识别系统100实现的内容识别的方法200。如图2,在框210,事件信息(例如,关键字)被设置或产生用于被识别的事件。如在下面参考图3和图12的更详细的描述,事件信息包括至少一个关键字,并且在一个示例实现中还可以包括不同的关键字的组或类别。关键字是描述、表示特征或涉及事件的词,诸如事件标识符、事件的时间、事件涉及的人、事件的位置、在事件中表征活动的动作/动词,等等。在一些实施例中,关键字可以由系统基于元数据和/或与事件相关联的叙述的分析自动地选择或推荐。例如,系统可以选择关键字,如来自世界杯足球赛的描述的得分,射门,庆祝等。关键字可以与事件相关联,并存储在图1的数据存储区域120,用于以后比较在社交媒体对应事件的内容中检测到的关键字。
在框220,社交媒体中,如Twitter上,的热门话题,被进行监测和分析以检测与事件相关联的关键字。如在下面参考图4-6的更详细的描述,来自社交媒体服务(例如,推特)的API允许系统监测正在发布到社交媒体服务的更新的流(例如,推文)。系统分析更新的流,并通过检测在框210定义的事件关键字过滤流。通常,系统当关键字被在社交媒体内容中检测到时,编译并计数关键字。在一些实施方案中,被计数的关键字可以由单个关键字和/或关键字组成,诸如从正在被系统分析的社交媒体内容中找到的关键字的组(例如,在各个推文中发现的关键字的组)。在被分析的内容中检测到的大量关键字被称为尖峰,这意味着关键字以高于正常发布频率的速率被发布到社交媒体服务。尖峰关键字反映了在个体的语料库中的热门话题趋势,其正在作出发布且在某一特定时间内在被分析的内容的选择之中。
如在下面参考图7-8E的更详细的描述,在框220检测到的关键字尖峰被用于定位与那些尖峰关键字相关的事件相关联的视觉内容(例如,图像或视频)。在框230中,系统基于反映在社交媒体中的热门话题的被检测到的关键字从一个或多个数据库获取或检索视觉内容。数据库可以是商业或非商业图像服务,例如Getty它提供了与事件相关的图像。通常情况下,与事件相关的视觉内容是通过这样的服务实时或近实时提供,以使得该图像或视频可当图像或视频被实际在事件捕捉时在接近该时间处被提供给系统。
在框240,图像是由系统提供的以用于在网站或其他内容门户上进行显示。如在下面参考图9-10C和13-14C的更详细的描述,所选择的图像可被发布到社交网络服务,如Facebook等,或者可以用于填充任何内容的网站或门户,其中及时的图像显示将是有益的。在某些实现方式中,与图像关联的元数据可以被用于注释图像,和/或短的URL可以被包括,在其中用户可以获取附加的信息和/或使用图像的权利。
在框250,与所分析事件相关联的事件图像综述由系统发布。如将在下面参照图11的更详细的描述,当事件结束,事件图像综述可自动地产生,其反映与该事件有关联的代表性的图像。例如,一旦橄榄球比赛结束,各种突出该比赛的图像可能被发布到网站或其他内容门户。
图3是示出了由系统执行的用于为第一示例事件产生关键字的方法300的流程图。在块310,事件由用户或由系统识别以进行跟踪。例如,用户可识别的事件,如2012年9月9号的Steelers对Broncos的比赛。在框320,第一关键字组由用户或由系统选择。用户可手动输入一些关键字,其广泛表征特定事件。可选地或另外地,系统可以从与事件相关联的元数据和/或从通过网络的数据挖掘自动生成一些关键字。例如,选择用于第一个关键字组的关键字可以包括在事件中比赛的队的名字,如PittsburghSteelers和DenverBroncos,或与该事件相关联的更广的词,如SundayNightFootball。在一些实施方案中,第一关键字组还可以包括关键字,其具有共同的特征,如队名或时间周期等。
在框330,第二关键字组可以由用户或由系统选择。关键字的第二组可以包括关键字,其广泛适用于所识别的事件和其他类似的事件。例如,第二组关键字可能包括在一场橄榄球比赛中的动作,时间段等,如“触地得分”,“第四节”,“最后一分钟”等。该系统可以通过维护过去事件和用于描述这些事件的关键字的数据库为关键字的第二组建立推荐。来自过去事件中的关键字可以由系统挖掘以识别类似的事件发生的常用关键字。例如,关键字,例如当字“橄榄球”或“全国橄榄球联盟”用于描述一个事件时,“触地得分”和“抱摔”可以被共同使用。第二关键字组还可以包括与特定类别有关或共享共同特征的关键字。
在框340,第三关键字组可以由用户或由系统选择。第三关键字组可以表征在事件中的参与者。例如,该第三关键字组可以包括每个橄榄球队的单个参赛者的名称,如Adams、Allen、Batch,等等。第三关键字组可以从与在事件中的参与者相关联的公共数据库获得,如团队名单。第三关键字组可类似地包括关键字的分类组或可包括各种关键字,其与事件的相关性较低,但仍然有助于从来自社交媒体的内容中检测该事件。
应该理解的是,用户可以输入每个关键字组,系统可以自动地选择每一关键字组,系统可以向给用户推荐关键字然后由用户确认,或它们的任意组合。尽管方法300示出了被选择用于监视事件的三个关键字组,可以由系统使用更多或更少数量的关键字组。
图4是显示了用于收听或监测社交媒体源,以捕捉或检测热门话题的方法400的流程图(例如,跟踪社交媒体,如Twitter上的热门话题)。在框410,社交媒体服务由系统检测,以为了检测在社交媒体(例如,推特)中的热门话题。监测包括分析可通过社交媒体服务得到的内容和检测内容中重复的关键字。来自社交媒体源的内容可以由社交媒体服务被直接提供,或者可以通过互联网公开访问。在框420中,来自被识别的热门话题中的词由系统与已被选择用于事件的关键字进行比较(例如,如在图3中描述)。
在框430,系统识别出被包含在热门话题中的最高关键字。最高关键字可以包括与特定话题或事件最相关的关键字。例如,来自推特的个体推文可以被分析以确定哪些先前选定的关键字的组合能被包含在每个推文中,计数为最经常发现或通常使用的关键字组合(例如,SteelersBroncosPeyton、DenverBroncosPeyton、PittsburghSteelersDenverBroncos,等等)被保持。
图5是示出了通过分析来自社交媒体源的内容产生简化的结果以识别热门话题的图表500。在图500中,两个关键字组合正在被跟踪。“词1”和“词2”的每一个表示匹配被使用的词或通过社交媒体服务被发布的词的关键字的不同组合。例如,图表500反映被由系统跟踪的关键字正被在来自各种用户的推文中使用的频率。关键字尖峰501的高度表明推文的大小(例如,计数),其包括在被分析的指定的时间段期间的每个关键字组合。被分析的时间周期被表示在x轴上(例如,每5分钟)。
对于关键字尖峰501超过阈值502时,相应的关键字组合被认为反映了广泛讨论的,例如,流行或“热的”话题。其结果是,尖峰关键字组合可用于检索和选择图像以发布到网站。由于尖峰关键字组合代表消费群体即时感兴趣的话题,利用尖峰关键字组合选择的图像很可能是消费者显著感兴趣的以及任何其他消费者感兴趣的事件。图像如何可以相对于尖峰关键字组合以及x轴上指示的时间段被选择的各种具体的例子将参考图8A-8E在下面被更详细地描述。
在一些实施方案中,当同时发生多个事件,该系统可以为各种关键字分析来自社交媒体源的内容,以便识别与每个事件相关的热门话题。在这种情况下,各种机制可以由系统利用以平等分配为每个事件发布的图像的数量。例如,相等数量或文件大小的图像或视频可以为每个被监视的事件被发布或若干发布的图像可以基于每个事件的受欢迎度来确定。在一些实施方案中,当被监测的多个事件同时发生时,系统还可以分析社会媒体内容,以检测并识别与事件的组合相关联的热门话题。例如,该系统可以识别对应于与两个事件相关的集合社交媒体内容的尖峰关键字组合(例如,基于从两个事件收集的推文的识别热门话题)。
图6是示出了从分析来自社交媒体服务的内容的结果的图表600,以检测在其中25个关键字组合被跟踪的热门话题。如图6所示,在事件发生的时间周期,多个尖峰(例如,601,602,603,604)发生表示不同尖峰关键字组合。如在下面参考图7的更详细的描述,最高关键字组合可以被用于选择将被发布到网站上的图像。最高关键字组合可以包括具有最高尖峰和/或超过特定阈值的峰值的尖峰关键字组合。最高关键字组合表明用于识别事件或事件组合的最相关的关键字,例如在推特上推送的最热门的话题。
图7是用于利用最高关键字组合以识别来自数据库图像以发布到网站或其他的内容门户的方法700的流程图。这些图像可以从数据库中检索,并发布到具有相关于被识别的话题(比如,事件)的内容的网站。在框710,图像是由系统从数据库通过使用尖峰关键字组合搜索数据库而被选定(例如,关键字组合,如Steelers,Broncos,Peyton;Steelers,触地得分;触地得分,Peyton,等)。该数据库包含图像和/或视频,其通过关键字、类别、叙述等被表征,例如,以使得图像或视频能够被按关键字搜索。例如,数据库可以被构造,如在美国专利号6,735,583,题为“MethodandSystemforClassifyingandLocatingMediaContent”中所描述的,其以引用的方式被全部合并于此。在框720,图像基于选定的标准被系统过滤。选择的标准可以包括基于时间(例如,最新的图像),关联性(例如,在编辑者选择上的最高的排名,基于观众投票的最高的排名,等等)或基于图像大小,图像元数据,以前使用的图像等的标准。
在框730,该系统适用更多的规则,如永不发布重复的图像。这些规则可以由该系统的用户或由为系统采购图像的第三方内容提供商预先确定。该规则还可以包含不发布超过或低于某个文件的大小或图像大小的图像。
在一些实施方案中,当尖峰关键字组合超过某个阈值时,系统将自动搜索与关键字组合相关联的图像的数据库。搜索可以基于各种参数,诸如关键字的权重,关键字信心,图像质量等级等为图像排等级。图像质量等级可以是编辑质量的指示器。例如,“质量等级1”的图像可能是那些由编辑团队被认为是非常高品质的图像。例如,高品质的等级可以基于突出,构图,适用范围,人员等。“质量等级2”的图像可能仍是比较高的质量,而“质量等级3”的图像可能是连续降低质量。图像的排名可以规定系统中检索图像以使用的顺序。在一些实施方案中,附加的限制可以基于所述排名的质量被施加于图像的使用。例如,如果只允许高质量等级1的图像被每天发布一次,并被检索用于两个事件,第一个基于关键字组合勉强达到规定的阈值,以及第二个用于关键字组合,其大大超过了阈值,所检索的图像将被用于第二关键字组合。
在一些情况下,系统可能无法识别足够质量等级1的图像来选择以供显示。在这种情况下,可能存在系统的一些回退,以确保相关的图像的位置和发布。在一个实现中,第一回退包括如果热门关键字组合无法在第一时间回合匹配图像,给予热门关键字组合第二次机会。换句话说,如果与特定关键字组合相关联的搜索图像未能定位任何质量等级1的图像时,系统可等待一个短的时间,然后再次搜索匹配属于质量等级1的图像。例如,如果一个事件具有相关联的时间期间,在其间社交媒体订阅被监测(以下简称“事件窗口),则再重新搜索匹配关键字组合的图像之前系统可以等待一段时间(例如,等于事件窗口的2%,5%,10%,等等)。此中间期间允许事件的图像或视频被上载到数据库并适当地被表征,如当在图像被拍摄的时间和在可搜索的数据库中该图像可用的时间之间存在可能的轻微的滞后的现场事件期间可能会发生。
可以由系统利用的第二回退包括在特定点(例如,在事件的中间点)监测事件,并执行额外的检查,看看是否有图像匹配热门话题。如果仍然没有等级1的图像被发布到数据库,则系统可以代替使用事件的热门话题并在数据库中搜索具有匹配质量等级2的图像。在事件窗口的末尾,可能进行最终搜索,首先对匹配质量等级1的图像,以及如果发现质量等级1的图像数量不足,那么搜索质量等级2。
在一些实现方式中,在事件中里程碑被利用,其是在特定时间点由系统触发该图像数据库的检索。可以有两种类型的里程碑,即定期接收周期里程碑和健康检查里程碑。在定期接收周期里程碑中,目前社交媒体数据被分析用于热门话题。这些定期接收周期里程碑可以被指定,例如,在事件窗口的每一个5%发生。在健康检查里程碑中,重点是检查定期接收周期里程碑是否产生数量充足的热门话题和与那些热门话题相关的图像。在一个实现中,健康检查里程碑涉及检查由系统监测的社交数据的大小以及由系统发布的图像的数量以作为监测社交数据的结果。在一个具体示例实施方案中,这些健康检查里程碑可能发生在事件窗口的25%,50%,75%,和100%处。
一般地,热门话题的指示的关键字组合中的尖峰可以被定义为那些关键字的推文数量中的百分比增加。作为一个例子,在第一时间段,有可能是100个推文含有“Steelers”及“Broncos”。然后,在第二时间段(例如,5分钟后),可能有200个推文含有“Steelers”及“Broncos”。这两个时间段的推文数量的比较反映了推文中的100%的百分比增加。在推文中的这种增加可能反映了一反映热门话题的尖峰,假设100%超过了由系统设定的阈值。因此,在某些实现方式中,百分比的增加被用来确定何时正在生成兴趣和人们开始谈论刚刚发生的事件的特定方面。
在一些实施方案中,指示热门话题的关键字尖峰被分析以确定哪些尖峰将被用于选择图像。当社交数据被用于特定的时间段进行分析,通常是由系统为特定的时间周期产生热门话题的列表。要选择使用哪个热门话题,有关热门话题的统计数据被由系统进行分析。有关热门话题被识别的时间段的统计包括:匹配在此时间段中的所有热门话题的推文的数目;以及在该时间段中的推文的平均数。系统可以基于在此时间段中的相匹配的推文的数量使用这些统计以计算热门话题的阈值。有关被检测到的热门话题的统计包括:匹配时间段的热门话题的推文的数量;以及从上一时间段的百分比变化。一旦统计数据被编译,热门话题由他们的百分比变化排序,以使最大的增加是在列表的顶部。然后,在一个实现中,所有的新的热门话题可以被过滤掉。新的热门话题将被过滤掉,因为热门话题在由系统使用之前在至少两个周期中被识别是有利的。匹配低于当前的阈值的热门话题,包括具有百分比减少的热门话题,也可以被过滤掉。在一个具体的示例实现中,从被在社交媒体订阅的检查期间被识别的20-30个热门话题的列表中,只有3-4个主题可以在过滤后被留下。图像数据库,如由图像提供的商业服务或由图像提供的非商业服务被由系统利用这些热门话题进行搜索。
图8A-8E是示出由系统执行的用于处理特定示例条件的方法的流程图,该条件可能当利用关键字组合作为搜索词以从数据库获取图像时发生。图8A是示出了可以由系统在事件开始(例如,在图5中的时间段1)执行的方法800A的流程图。在框810A,事件的关键字添加到正在由系统监测的关键字列表。在框820A,该系统开始记录匹配的推文(如:Steelers,Broncos,触地得分有120个匹配;Steelers,触地得分,传球有100个匹配;Broncos,触地得分有20个匹配,等)。在框830A,用于评估话题是否是热门话题的阈值被基于噪声水平由系统积极地调整。在具体示例实施方案中,基于噪声水平的热门阈值的调整包括确定被监测的推文的运行平均数量,阈值被设定在高于运行平均值的选定的水平。在框840A,系统在每个监听周期里程碑分析事件数据,更新阈值,识别热门话题,并且使用热门话题关键字来搜索数据库中的图像。
图8B是示出由系统执行的用于处理尖峰的方法800B的流程图,其中没有对应于尖峰关键字的图像被包含在图像数据库内(例如,在图5中的时间段2)。在框810B,尖峰由系统检测(即,匹配的推文的数量越过阈值)。在框820B,系统以匹配的关键字组合搜索质量等级1的图像。在框830B,搜索由系统记录。在框840B,如果没有匹配的图像被检测到,没有匹配图像被发现的事实被记录。
图8C是示出了由系统执行的用于处理的一种情况的方法800的流程图,在该情况中没有话题是热门的且没有图像将以其他方式被由系统识别(例如,在图5中的时间段3)。在框810C,额外的搜索在事件期间的健康检查里程碑被执行(例如,在事件时间窗口的25%,50%,75%和100%)。在框820C,健康检查里程碑搜索是根据迄今建立的热门组合。在框830C,搜索由系统为质量等级2的图像执行。在框840C中,当匹配图像被系统发现时,它们被发布到网站或其它内容接收方并被记录。
图8D是示出了由系统执行的用于处理一种情况的方法800D的流程图,在该情况中尖峰发生并且图像被在数据库中基于尖峰关键字被识别(例如,在图5中的时间段4)。在框810D,尖峰由系统检测(即,匹配的推文的数量超过阈值)。在框820D,搜索由系统为质量等级1的图像进行。在框830D,搜索由系统记录。在框840D,质量等级1的图像由系统提供以用于发布到网站或其它内容接收方并被记录。
图8E是示出了可以由系统执行的方法800E的流程图,如果即使事件的结束已经到达(例如,在图5中的时间段5),也没有图像在数据库中被识别。在框810E,如果没有图像从初次搜索或回退搜索中被识别,最终搜索由系统在事件窗口的结束时间进行。在框820E,搜索是由系统以相匹配的组合为质量等级1的图像进行。在框830E,搜索由系统记录。在框840E,任何匹配质量等级1的图像由系统提供以用于发布到网站或其它内容接收方并被记录。在框850E,如果发现质量等级1的图像数量不足,回退搜索被进行以匹配质量等级2的图像。在框860E,任何匹配质量等级2的图像由系统提供以用于发布到网站或其它内容接收方并被记录。在框870E,系统会从记录文件中创建报告。
图9是示出了一系列发布到社交网络网站上相关于第一实例事件的图像的屏幕显示900的图示。该系列的图像可以在窗口905中提供,以及图像的摘要(例如,“NFL页添加三张照片到相册PittsburgSteelersDenverBroncos”)。一系列图像可包括个别图像910,920和930,如将在下面参照图10A-10C的更详细的描述。
图10A-10C是示出了发布到社交网络网站上相关于第一实例事件的个体图像的屏幕显示1000a-1000c的图示。在每个屏幕显示1000a-1000c中,窗口1005a-1005c包括各自单独的图像1010a-1010c和相应的附加窗口区域1020a-1020c。各个图像1010a-1010c可包括在图9中所示的相同图像910-930的较大的版本。额外窗口区域1020a-1020c可以包括其他信息,诸如摘要、注释、广告,等等。
图11是用于发布有关第一示例事件的事件图像综述的方法的流程图1100。如图11,在框1110,事件图像综述被发布(例如,GettyTrendingGettyTrending;Steelers对Broncos比赛图片库:fb.me/2hD7c9J#nfl#peyton等)。在框1120,附加提升被提供,例如其他社加网络上的图像指示,等等。
图12是由系统促进的用于设置第二实例事件的关键字的方法的流程图1200。应该理解的是,在图12中的第二示例事件的关键字的设置是类似于图3的第一示例事件的关键字的设置。如图12,在框1210,事件被标识(例如,Monza,2012年9月10日)。在框1220,第一关键字组由用户或由系统选择(例如,轨道的名称,如蒙扎,阿斯卡里,帕拉波利卡,德拉罗吉亚等)。在框1230,第二个关键字组由用户或由系统(选择例如,车手的名称,比如维特尔·维特尔,马克·韦伯,路易斯·汉密尔顿等)。在框1240,第三关键字组由用户或由系统选择(例如,车队的名称,如红牛,迈凯轮,法拉利,奔驰等)。在框1250,第四关键字组由用户或由系统选择(例如,该车队经理的名称,如克里斯蒂安·霍纳,马丁·惠特马什,埃里克·布利尔,等)。在框1260,第五关键字组由用户或由系统选择(例如,在比赛过程中可能发生的动作或其他术语,诸如碰撞,碰撞,超车,关,管理员的询问,驾车通过,惩罚等)。在框1270,第六关键字组由用户或由系统选择(例如,排位赛的附加的比赛,如杆,Q1,Q2,Q3等)。
图13是示出了一系列发布到社交网络网站上相关于第二实例事件的图像的屏幕显示1300的图示。应该理解的是,被发布的图像可以按照类似于上述关于图2-8E的用于第一示例事件的过程来选择。如图13,窗口1310包括了一系列图像,并且还可以提供摘要信息(例如,“一级方程式赛车页:F1大奖赛意大利-9张照片”)。一系列图像中的第一图像1320以相对放大的格式被示出,而系列中的剩余的图像1330至1390以较小的缩略图被示出,其可被选择,这将在下面参照图14A-14C被更详细地描述。
图14A-14C是示出了发布到社交网络网站上相关于第二实例事件的个体图像的屏幕显示1400a-1400c的图示。如图14a至14c中所示,窗口1410a-1410c被提供,其包括各个图像1420a-1420c,以及额外的窗口区域1430a-1430c。图像1420a、1420b和1420c对应图像1300、1360和1390,选自图13的系列图像。额外窗口区域1430a-1430c可包括附加信息(例如,关于事件或图像的摘要、评论、赞助商的广告等)。
图15是示出了在社交网络网站上的一系列主题板的屏幕显示1500的图示,其中图像可为多个实例事件被发布。如图15中所示,窗口1510包括窗口区域1520和主题图像板1530、1540、1550和1560。窗口区域1520可以指示关于社交网络(例如,Pinterest的)上的网站的信息。主题图像板1530至1560在某些实现中可包括关于各种类别和/或示例事件(例如,娱乐、体育、新闻、文化等)的图像。应该理解的是,发布到各图像板1530至1560的每一个上的图像可以根据类似于上面关于图2-8E记载的过程来选定。
图16是示出了图像如果被投放至短消息订阅(例如,推特)的图示1600。如图16所示,图像机器人1610,其利用推特帐户发送推文1620至用户1630。在一个实施方案中,提供了关于最高热门对象的推文1620,其根据指定的时间表(例如,被每小时地推送,每天地推送,至每天最大数量的推文,等等)被推送。图像机器人1610将图像投放至推文1620。图像机器人1610使用类似于上面关于图2-8E描述的方法选择这样的图像。
从前述内容,可以理解的是本发明的具体实施例在此描述为了说明的目的,但是可以不脱离本发明的范围做出各种修改。例如,本领域的技术人员将理解,所描述的流程图可以以各种方式来改变。更具体地,这些步骤的顺序可以被重新排列,步骤可以并行地执行,步骤也可以省略步骤,其它步骤可以被包括,等等。因此,除所附权利要求外,本发明并不受限制。
Claims (24)
1.一种由计算系统实施的方法,以选择有关于事件的图像文件进行显示,该方法包括:
检索多个与事件相关联的关键字;
监测由社交媒体服务提供的内容以识别热门话题,所述热门话题通过以下被识别:
分析由所述社交媒体服务所提供的所述内容,以检测在所述内容中的所述被检索到的多个关键字的一个或多个的存在;
维持在所述内容中的所述检测到的所述多个关键字的一个或多个的存在的测量;以及
当被测量的存在超过阈值时,识别热门话题,所述被识别的热门话题具有相关联的关键字;
使用与被识别的热门话题相关联的关键字,以选择一个或多个对应于所述事件的图像文件;以及
提供所述一个或多个被选择的图像文件以用于显示。
2.如权利要求1所述的方法,其中所述图像文件表示静止图像或视频。
3.如权利要求1所述的方法,其中所述检索到的多个关键字被选自由事件标识符,所述事件的时间,参与所述事件的人,所述事件的位置,或涉及所述事件的活动所组成的组中。
4.如权利要求1所述的方法,其中所述检测到的存在的所述测量包括在所述内容中的所述检索到的多个关键字的所述一个或多个的计数。
5.如权利要求4所述的方法,其中所检测到的存在的所述测量包括在所述内容中的所述多个关键字的所述一个或多个中的百分比增加或减少。
6.如权利要求1所述的方法,其中所述多个关键字由用户提供。
7.如权利要求1所述的方法,其中所述多个关键字通过以下生成:
分析与所述事件相关联的元数据;以及
基于在所述元数据中关键字出现的频率从所述被分析的元数据选择所述多个关键字。
8.如权利要求1所述的方法,其中所述一个或多个图像文件基于所述图像文件的预定质量评估、所述图像文件的创建时间,图像大小,图像类型,或所述图像文件的先前使用中的任何一个或多个被进一步选择。
9.如权利要求1所述的方法,其中所述图像文件被在整个与所述事件相关联的指定的时间段中以周期性间隔被选择。
10.如权利要求1所述的方法,其中所述图像文件以取决于对应于所述事件和可用于选择的图像文件的数量的速率在所述事件期间被选择。
11.一种由计算系统实施的方法,以显示与事件有关的图像文件,所述方法包括:
检索多个与事件相关联的关键字;
监测由社交媒体服务提供的内容以在所述事件期间识别热门话题,所述热门话题通过以下被识别:
分析由所述社交媒体服务所提供的所述内容,以检测在所述内容中的所述被检索到的多个关键字的一个或多个的存在;
维持在所述内容中的所述检测到的所述多个关键字的一个或多个的存在的测量;以及
当被测量的存在超过阈值时,识别热门话题,所述被识别的热门话题具有相关联的关键字;
使用与被识别的热门话题相关联的关键字,以选择一个或多个对应于所述事件的图像文件;
在所述事件期间显示与热门话题相关联的被选择的图像文件;以及
在所述事件结束时显示一组与热门话题相关联被选择的图像文件。
12.如权利要求11所述的方法,其中所述检测到的存在的所述测量包括在所述内容中的所述检索到的多个关键字的所述一个或多个的计数。
13.如权利要求12所述的方法,其中在所述一组被选择的图像文件中的每个图像文件基于所述对应的热门话题的所述被测量的存在超过所述阈值的量被选择。
14.如权利要求12所述的方法,还包括:
产生在所述事件期间被识别的热门话题的列表;以及
基于所述事件期间的所述被检测到的存在的所述测量确定在所述列表上的所述被识别的热门话题的每一个的位置。
15.如权利要求14所述的方法,还包括基于在所述列表中的所述位置过滤所述热门话题的列表以及除去在所述列表上定位较低的热门话题。
16.如权利要求14所述的方法,其中所述列表上的所述最高热门话题对应于在所述事件期间被显示的所述被选择的图像文件。
17.如权利要求11所述的方法,还包括:基于在所述事件期间的匹配的关键字,为所述一个或多个图像文件搜索图像文件的数据库。
18.如权利要求17所述的方法,其中所述数据库在所述事件期间以预定的间隔被搜索。
19.如权利要求17所述的方法,其中如果没有图像文件被匹配,所述方法还包括选择具有较低匹配质量的一个或多个图像文件。
20.一种以由处理器可执行的指令编码的非临时性计算机可读介质,用于执行用于提供相关于事件的图像文件的方法,所述方法包括:
检索多个与事件相关联的关键字;
监测由社交媒体服务提供的内容以识别热门话题,所述热门话题通过以下被识别:
分析由所述社交媒体服务所提供的所述内容,以检测在所述内容中的所述被接收到的多个关键字的一个或多个的存在;
维持在所述内容中的所述检测到的所述多个关键字的一个或多个的存在的测量;以及
当被测量的存在超过阈值时,识别热门话题,所述被识别的热门话题具有相关联的关键字;
使用与被识别的热门话题相关联的关键字,以选择一个或多个对应于所述事件的图像文件;以及
提供所述一个或多个被选择的图像文件以用于显示。
21.如权利要求20所述的非临时性计算机可读介质,所述方法还包括:
在所述事件期间识别热门话题;以及
在所述事件期间显示与热门话题相关联的所述被选择的图像文件。
22.如权利要求20所述的非临时性计算机可读介质,其中所述检测到的存在的所述测量包括在所述内容中的所述检索到的多个关键字的所述一个或多个的计数。
23.如权利要求20所述的非临时性计算机可读介质,其中所检测到的存在的所述测量包括在所述内容中的所述多个关键字的所述一个或多个中的百分比增加或减少。
24.如权利要求20所述的非临时性计算机可读介质,其中所述图像文件表示静止图像或视频。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201361752864P | 2013-01-15 | 2013-01-15 | |
US61/752,864 | 2013-01-15 | ||
PCT/US2014/011744 WO2014113512A1 (en) | 2013-01-15 | 2014-01-15 | Content-identification engine based on social media |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105210048A true CN105210048A (zh) | 2015-12-30 |
CN105210048B CN105210048B (zh) | 2019-07-19 |
Family
ID=51166048
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480015805.1A Active CN105210048B (zh) | 2013-01-15 | 2014-01-15 | 基于社交媒体的内容识别方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20140201227A1 (zh) |
EP (1) | EP2946308A4 (zh) |
CN (1) | CN105210048B (zh) |
WO (1) | WO2014113512A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108464007A (zh) * | 2016-04-13 | 2018-08-28 | 谷歌有限责任公司 | 视频元数据关联推荐 |
CN110555108A (zh) * | 2018-05-31 | 2019-12-10 | 北京百度网讯科技有限公司 | 事件脉络生成方法、装置、设备及存储介质 |
Families Citing this family (44)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4009651A1 (en) * | 2011-07-12 | 2022-06-08 | Snap Inc. | Methods and systems of providing visual content editing functions |
US9430802B2 (en) * | 2013-03-14 | 2016-08-30 | International Business Machines Corporation | Method and process for collaboratively built content filtering |
US20140280561A1 (en) * | 2013-03-15 | 2014-09-18 | Fujifilm North America Corporation | System and method of distributed event based digital image collection, organization and sharing |
US9177410B2 (en) * | 2013-08-09 | 2015-11-03 | Ayla Mandel | System and method for creating avatars or animated sequences using human body features extracted from a still image |
US9544655B2 (en) | 2013-12-13 | 2017-01-10 | Nant Holdings Ip, Llc | Visual hash tags via trending recognition activities, systems and methods |
US9846904B2 (en) | 2013-12-26 | 2017-12-19 | Target Brands, Inc. | Retail website user interface, systems and methods |
KR20150083336A (ko) * | 2014-01-09 | 2015-07-17 | 삼성전자주식회사 | 서버 장치, 그 서버장치의 서비스 제공방법, 디스플레이 장치 및 그 디스플레이 장치의 표시 방법 |
US9881023B2 (en) * | 2014-07-22 | 2018-01-30 | Microsoft Technology Licensing, Llc | Retrieving/storing images associated with events |
US9740963B2 (en) * | 2014-08-05 | 2017-08-22 | Sri International | Multi-dimensional realization of visual content of an image collection |
US10210214B2 (en) * | 2014-08-27 | 2019-02-19 | International Business Machines Corporation | Scalable trend detection in a personalized search context |
US9286326B1 (en) * | 2014-09-05 | 2016-03-15 | WhisperText, Inc. | System and method for selecting sponsored images to accompany text |
CN104615627B (zh) * | 2014-09-23 | 2018-03-30 | 中国科学院计算技术研究所 | 一种基于微博平台的事件舆情信息提取方法及系统 |
US20160103930A1 (en) * | 2014-10-12 | 2016-04-14 | Harmon.Ie R&D Ltd. | System and method for providing analytics respective of contextual data |
US11023541B2 (en) | 2014-12-30 | 2021-06-01 | Rovi Guides, Inc. | Methods and systems for providing media recommendations based on user location |
US11061946B2 (en) | 2015-05-08 | 2021-07-13 | Refinitiv Us Organization Llc | Systems and methods for cross-media event detection and coreferencing |
US10109023B2 (en) | 2015-05-08 | 2018-10-23 | Thomson Reuters Global Resources Unlimited Company | Social media events detection and verification |
US10592548B2 (en) | 2015-08-17 | 2020-03-17 | Adobe Inc. | Image search persona techniques and systems |
US10878021B2 (en) | 2015-08-17 | 2020-12-29 | Adobe Inc. | Content search and geographical considerations |
US10366433B2 (en) | 2015-08-17 | 2019-07-30 | Adobe Inc. | Methods and systems for usage based content search results |
US11048779B2 (en) | 2015-08-17 | 2021-06-29 | Adobe Inc. | Content creation, fingerprints, and watermarks |
US10475098B2 (en) | 2015-08-17 | 2019-11-12 | Adobe Inc. | Content creation suggestions using keywords, similarity, and social networks |
US10552877B2 (en) * | 2015-08-19 | 2020-02-04 | Veritone, Inc. | Engine and system for the transcription and assessment of media files |
US10057651B1 (en) * | 2015-10-05 | 2018-08-21 | Twitter, Inc. | Video clip creation using social media |
US9798742B2 (en) | 2015-12-21 | 2017-10-24 | International Business Machines Corporation | System and method for the identification of personal presence and for enrichment of metadata in image media |
US10600062B2 (en) | 2016-03-15 | 2020-03-24 | Target Brands Inc. | Retail website user interface, systems, and methods for displaying trending looks by location |
US10776860B2 (en) | 2016-03-15 | 2020-09-15 | Target Brands, Inc. | Retail website user interface, systems, and methods for displaying trending looks |
US20180033056A1 (en) * | 2016-08-01 | 2018-02-01 | Adobe Systems Incorporated | Competitor trend-based social content ideation |
US10936695B2 (en) | 2016-08-02 | 2021-03-02 | International Business Machines Corporation | Collaboration system to share tailored information with social networks |
WO2018027360A1 (zh) * | 2016-08-06 | 2018-02-15 | 胡明祥 | 根据朋友圈信息推送广告时的调整方法以及推送系统 |
EP3519982A4 (en) | 2016-09-29 | 2020-04-15 | Thomson Reuters Enterprise Centre GmbH | SYSTEMS AND METHODS FOR PROVIDING A SOCIAL MEDIA KNOWLEDGE BASE |
ES2911173T3 (es) | 2016-11-03 | 2022-05-17 | Thomson Reuters Entpr Centre Gmbh | Sistemas y métodos para la detección de eventos y clústering |
WO2018089178A1 (en) | 2016-11-09 | 2018-05-17 | Thomson Reuters Global Resources Unlimited Company | System and method for detecting geo-locations in social media |
US20180278565A1 (en) * | 2017-03-23 | 2018-09-27 | International Business Machines Corporation | Photo stimulus based on projected gaps/interest |
US10158897B2 (en) * | 2017-03-28 | 2018-12-18 | International Business Machines Corporation | Location-based event affinity detangling for rolling broadcasts |
US10878058B2 (en) * | 2017-06-16 | 2020-12-29 | T-Mobile Usa, Inc. | Systems and methods for optimizing and simulating webpage ranking and traffic |
US20190026293A1 (en) * | 2017-07-21 | 2019-01-24 | Sharvil Shah | Location- and Interest-Based Social Media Platform |
US11172272B2 (en) * | 2017-08-14 | 2021-11-09 | Comcast Cable Communications, Llc | Determining video highlights and chaptering |
US11068479B2 (en) * | 2018-01-09 | 2021-07-20 | GlobalWonks, Inc. | Method and system for analytic based connections among user types in an online platform |
US11163941B1 (en) * | 2018-03-30 | 2021-11-02 | Snap Inc. | Annotating a collection of media content items |
US20220188394A1 (en) * | 2019-04-18 | 2022-06-16 | Nec Corporation | Person specifying device, person specifying method, and recording medium |
US10853983B2 (en) | 2019-04-22 | 2020-12-01 | Adobe Inc. | Suggestions to enrich digital artwork |
US20210064677A1 (en) * | 2019-08-26 | 2021-03-04 | Bank Of America Corporation | Online search trending to personalize customer messaging |
US11269901B2 (en) | 2020-01-16 | 2022-03-08 | International Business Machines Corporation | Cognitive test advisor facility for identifying test repair actions |
CN113722440B (zh) * | 2021-08-31 | 2023-06-16 | 平安科技(深圳)有限公司 | 基于关键词识别的显著性分析方法及相关产品 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101158957A (zh) * | 2007-10-23 | 2008-04-09 | 浙江大学 | 互联网热点主题相关性挖掘方法 |
CN101231641A (zh) * | 2007-01-22 | 2008-07-30 | 北大方正集团有限公司 | 一种自动分析互联网上热点主题传播过程的方法及系统 |
CN101296128A (zh) * | 2007-04-24 | 2008-10-29 | 北京大学 | 一种对互联网信息进行异常状态监测的方法 |
CN101923544A (zh) * | 2009-06-15 | 2010-12-22 | 北京百分通联传媒技术有限公司 | 一种监测展示互联网热点的方法 |
CN102033929A (zh) * | 2010-12-15 | 2011-04-27 | 百度在线网络技术(北京)有限公司 | 热点视频集的展现方法及装置 |
WO2012003255A2 (en) * | 2010-07-01 | 2012-01-05 | Facebook Inc. | Facilitating interaction among users of a social network |
US20120027256A1 (en) * | 2010-07-27 | 2012-02-02 | Google Inc. | Automatic Media Sharing Via Shutter Click |
US20120079020A1 (en) * | 2010-09-27 | 2012-03-29 | Korea Institute Of Science And Technology | Highlight providing system and method based on hot topic event detection |
US20120251011A1 (en) * | 2011-04-04 | 2012-10-04 | Microsoft Corporation | Event Determination From Photos |
US20120296920A1 (en) * | 2011-05-19 | 2012-11-22 | Yahoo! Inc. | Method to increase content relevance using insights obtained from user activity updates |
Family Cites Families (5)
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 |
US7974983B2 (en) * | 2008-11-13 | 2011-07-05 | Buzzient, Inc. | Website network and advertisement analysis using analytic measurement of online social media content |
US20110307403A1 (en) * | 2010-06-11 | 2011-12-15 | Arad Rostampour | Systems and method for providing monitoring of social networks |
AU2011285804B2 (en) | 2010-08-02 | 2015-01-22 | Cardinal Health 529, Llc | Flexible helical stent having intermediate structural feature |
US9262517B2 (en) * | 2010-08-18 | 2016-02-16 | At&T Intellectual Property I, L.P. | Systems and methods for social media data mining |
-
2014
- 2014-01-15 US US14/156,414 patent/US20140201227A1/en not_active Abandoned
- 2014-01-15 WO PCT/US2014/011744 patent/WO2014113512A1/en active Application Filing
- 2014-01-15 EP EP14741100.3A patent/EP2946308A4/en not_active Withdrawn
- 2014-01-15 CN CN201480015805.1A patent/CN105210048B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101231641A (zh) * | 2007-01-22 | 2008-07-30 | 北大方正集团有限公司 | 一种自动分析互联网上热点主题传播过程的方法及系统 |
CN101296128A (zh) * | 2007-04-24 | 2008-10-29 | 北京大学 | 一种对互联网信息进行异常状态监测的方法 |
CN101158957A (zh) * | 2007-10-23 | 2008-04-09 | 浙江大学 | 互联网热点主题相关性挖掘方法 |
CN101923544A (zh) * | 2009-06-15 | 2010-12-22 | 北京百分通联传媒技术有限公司 | 一种监测展示互联网热点的方法 |
WO2012003255A2 (en) * | 2010-07-01 | 2012-01-05 | Facebook Inc. | Facilitating interaction among users of a social network |
US20120027256A1 (en) * | 2010-07-27 | 2012-02-02 | Google Inc. | Automatic Media Sharing Via Shutter Click |
US20120079020A1 (en) * | 2010-09-27 | 2012-03-29 | Korea Institute Of Science And Technology | Highlight providing system and method based on hot topic event detection |
CN102033929A (zh) * | 2010-12-15 | 2011-04-27 | 百度在线网络技术(北京)有限公司 | 热点视频集的展现方法及装置 |
US20120251011A1 (en) * | 2011-04-04 | 2012-10-04 | Microsoft Corporation | Event Determination From Photos |
US20120296920A1 (en) * | 2011-05-19 | 2012-11-22 | Yahoo! Inc. | Method to increase content relevance using insights obtained from user activity updates |
Non-Patent Citations (1)
Title |
---|
LARRY HARDESTY: "Predicting what topics will trend on Twitter", 《HTTP://NEWS.MIT.EDU/2012/PREDICTING-TWITTER-TRENDING-TOPICS-1101》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108464007A (zh) * | 2016-04-13 | 2018-08-28 | 谷歌有限责任公司 | 视频元数据关联推荐 |
CN110555108A (zh) * | 2018-05-31 | 2019-12-10 | 北京百度网讯科技有限公司 | 事件脉络生成方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US20140201227A1 (en) | 2014-07-17 |
EP2946308A4 (en) | 2016-08-24 |
CN105210048B (zh) | 2019-07-19 |
WO2014113512A1 (en) | 2014-07-24 |
EP2946308A1 (en) | 2015-11-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105210048A (zh) | 基于社交媒体的内容识别引擎 | |
US10321173B2 (en) | Determining user engagement with media content based on separate device usage | |
US10607133B2 (en) | Digital human generation method and system | |
Chae et al. | Spatiotemporal social media analytics for abnormal event detection and examination using seasonal-trend decomposition | |
Howard et al. | Opening closed regimes: what was the role of social media during the Arab Spring? | |
JP5795580B2 (ja) | タイムベースメディアにおけるソーシャルインタレストの推定および表示 | |
CN103686231B (zh) | 影片的集成管理、失效替换与续播的方法及系统 | |
US8995823B2 (en) | Method and system for content relevance score determination | |
US9491509B2 (en) | Assessing digital content across a communications network | |
US20150082203A1 (en) | Real-time analytics, collaboration, from multiple video sources | |
US20160034712A1 (en) | System and method for event-related content discovery, curation, and presentation | |
CN106411927B (zh) | 一种监控录像方法和装置 | |
US20150331856A1 (en) | Time-based content aggregator | |
US20160055164A1 (en) | News alert system and method | |
US20130132393A1 (en) | Method and system for displaying activities of friends and computer storage medium therefor | |
CN104219575A (zh) | 相关视频推荐方法及系统 | |
CN105847717A (zh) | 一种弹幕举报的方法、客户端及服务器 | |
US20200097462A1 (en) | Experience analytic objects, systems and methods | |
KR20210118452A (ko) | 소셜 데이터 스트림에 대한 실시간 이벤트 검출 | |
Teyssou et al. | The InVID plug-in: web video verification on the browser | |
CN102906689A (zh) | 在站点上组织社交活动信息 | |
US20140222775A1 (en) | System for curation and personalization of third party video playback | |
CN103577593A (zh) | 一种基于微博热门话题的视频聚合方法及系统 | |
KR101541495B1 (ko) | 캡쳐된 이미지를 이용한 동영상 분석 장치, 방법 및 컴퓨터 판독 가능한 기록 매체 | |
EP2743882A1 (en) | Unified social graph |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |