CN105765611A - 基于观看者行为对媒体内容进行标杆管理的方法 - Google Patents

Abstract

本发明的实施方式包括基于为暴露于媒体的多个计算机用户收集的包括情绪状态信息的行为数据来自动分析和标杆管理该媒体的先进技术。根据实施方式，可以相对于其他媒体内容，执行比较分析，在这种情况下，可以提供快速客观评估工具。可替换地或者此外，该比较分析可以相对于测试下的媒体本身，在这种情况下，该技术可以提供即时反馈，例如，关于该媒体是否对其目标观众具有预期影响的反馈。在观察影响(积极或消极)的情况下，比较分析可以进一步帮助识别观众扇区。

Description

基于观看者行为对媒体内容进行标杆管理的方法

技术领域

本发明涉及计算机用户行为的分析和处理。具体而言，本发明的实施方式涉及使用与计算机用户的行为(例如，在暴露于媒体内容时)相关的信息，来执行该媒体内容的定性评估(例如，与其他媒体内容相比较)。使用这种定性比较，允许内容制作者、分销商、网络运营商以及相似的实体将媒体内容的传输仅仅限制为具有充分质量的媒体内容的那些项目，从而节约网络和计算资源。

背景技术

从商业的角度来看，重要的是，能够评估在线提供的内容(例如，广告(“ad”)、游戏、音乐视频、电视节目等)的表现。就这一点而言，通常提供一种计算机用户通过手动评级内容来提供反馈的系统，例如，通过选择合适的评级值(例如，多个星级)。同样，还通常提供问卷调查或采访，作为广告效果跟踪方案的一部分。

最近，用于测量计算机用户的情绪(例如，通过面部特征跟踪等)的技术已被包含在评估视频内容的特性的方法中。例如，在计算机用户观看视频内容时，成像单元(例如，网络摄像头)可以用于捕捉包含他或她的面部特征的图像。可以处理捕捉的图像，以产生关于在视频内的某个点的计算机用户的情绪的信息，这提供关于视频的表现的有价值的反馈。

可以通过互联网传输视频和捕捉的图像，据此，可以自动聚集来自多个远程计算机用户的反馈。例如，US2012/0222057讨论了一种系统，其中，视频嵌入网络使能的界面内，该界面设置为收集观看嵌入的视频的计算机用户的精神状态数据。可以分布网络使能的界面本身，例如，通过将合适的URL发送给多个预期观看者。

发明内容

总体上，本发明提出了基于对暴露于媒体的规定的项目的多个计算机用户收集的行为数据(可包括情绪状态信息)，对于媒体的该规定的项目进行自动分析和标杆管理的先进技术。使用这种基准(该基准是特定的示例性定性比较)，允许内容制作者、分销商、网络运营商以及相似的实体将媒体内容的传输仅仅限制为具有充分质量的媒体内容的那些项目，例如，拥有超过规定的阈值的基准分数，从而节约网络和计算资源。

本发明包括可以相对于其他媒体内容执行的比较分析和处理，在这种情况下，该技术可以提供快速客观评估工具。可替换地或者此外，可以相对于在测试下的媒体本身执行比较分析，在这种情况下，该技术可以提供即时反馈，即，关于所述媒体是否对其目标观众具有预期影响的反馈。在观察影响(积极或消极)的情况下，比较分析可进一步帮助识别观众分区。

在第一实施方式中，本发明提供一种对媒体内容的影响进行标杆管理的计算机实现方法。根据本实施方式的方法包括：提供与分析服务器通信的电子文库，所述电子文库具有多个内容条目，所述多个内容条目中的每个与一条媒体内容相关联并且包括根据一个或多个分析维度可表示的聚合行为数据，从多个单独行为数据记录中获得所述聚合行为数据，在计算机用户(例如，在与远程客户端装置相关联的显示器上)观看这块媒体内容时，从计算机用户中获得每个单独行为数据记录(例如，通过网络从远程客户端装置中传送给分析服务器)。

本实施方式进一步包括在所述分析服务器中接收与要分析的一条媒体内容相关的多个新的单独行为数据记录，在播放要分析的这块媒体内容时，从计算机用户中获得所述多个新的单独行为数据记录中的每个(例如，通过网络从远程客户端装置中传送给分析服务器)，其中，所述多个新的单独行为数据记录中的每个包括在所述一个或多个分析维度方面可表示的行为数据。

在所述分析服务器中执行计算机可读指令，以促使所述分析服务器执行以下步骤：聚合所述接收的多个新的单独行为数据记录，以形成供分析的聚合行为数据；在所述分析维度中的一个或多个的背景下，比较所述供分析的聚合行为数据和在所述电子文库内的多个内容条目的所述聚合行为数据；识别在所述供分析的聚合行为数据与所述多个内容条目中的一个或多个的所述聚合行为数据之间的统计上显著的相似性或差异；并且基于所述识别的统计上显著的相似性或差异，生成输出。统计上显著的相似性或差异用作要分析的这块媒体内容相对于在所述电子文库内的多个内容条目中的一个或多个的基准。因此，聚合在测试下的媒体的接收的数据，并且比较该数据和为其他媒体内容储存的聚合数据，以获得基准信息。

规定的单独行为数据记录可以包括针对所述计算机用户表达的一个或多个情绪的时间序列数据。在这种情况下，时间是分析维度之一。因此，可以比较在测试下的媒体的持续时间内的情绪的演变和储存在文库内的媒体的情绪的演变。

通过过滤分析维度，可以定制比较，通过该分析维度，比较在测试下的媒体的聚合数据，例如，人口统计(或者任何其他类型的用户数据)、视频/媒体数据(例如，用途、观看的数量、奖项)、观看条件、收集国家等。

作为比较步骤的一部分或者在比较步骤之前，分析服务器可以执行从所述电子文库内的多个内容条目的所述聚合行为数据中提取一个或多个范数的步骤，其中，比较所述供分析的聚合行为数据和所述电子文库内的多个内容条目的所述聚合行为数据包括：比较所述供分析的聚合行为数据和所述提取的范数。所述范数可以是上下文相对信息，可以比较该信息和在测试下的媒体的聚合数据的对应特性。

可以基于电子文库的整个内容或者仅仅基于其子集，计算规定的范数。因此，分析服务器可以执行所述电子文库取样以获得在其内的所述多个内容条目的子集的聚合行为数据的步骤，其中，从所述多个内容条目的子集的聚合行为数据中提取所述一个或多个范数。

经常使用的范数可以储存在专用数据库上，随时可供使用。因此，该方法可以包括在与所述电子文库相关联的数据库中储存所述提取的范数中的一个或多个。可以即时或者在本发明的其他元件或步骤需要时按需提取其他范数。

在规定的单独行为数据记录包括由所述计算机用户表示的一个或多个情绪的时间序列数据的情况下，所述范数可以包括在其相应媒体的所有或一部分持续时间内提取的在所述电子文库内的多个内容条目的所述聚合行为数据中的所述一个或多个情绪的平均特性。例如，范数可以包括以下中的任何一个或多个：

在所有或部分相应媒体期间的情绪值；

在由其他情绪值正常化(归一化，normalised)的所有或部分相应媒体期间的情绪值；

在所有或部分相应媒体期间的情绪跨度；

情绪高峰的相对时间；

情绪高峰的数量；

最高情绪高峰的值；

情绪低谷的相对时间；

情绪低谷的数量；

最低情绪低谷的值；

在所有或部分相应媒体期间的累积情绪值；

情绪值的时间演变的峰度和/或偏斜；

情绪值的时间演变的增大和/或减小的持续时间；

平均情绪值的时间演变的中值、范围和标准偏差；

在平均情绪值的时间演变上的最大值与最终值之间的差异；

基于平均情绪值的时间演变的线性趋势的拦截和/或倾斜；以及

在按照时间或者数据记录的数量聚合时，平均情绪值的百分位分布描述符。

针对情绪收集的数据可以包括生气、厌恶、中立、伤心、害怕、快乐、惊讶及其派生词。所述范数可以包括在不同情绪值的行为之间的相关系数。还可收集其他行为信息(例如，物理数据，例如，头部方向或上身姿势)。该信息可以与其他信息(例如，情绪状态信息)组合，以获得计算机用户的反应的进一步指示符，例如，订婚等。

如上所述，行为数据包括可以包括在计算机用户观看媒体内容时从计算机用户的面部表情中检测的情绪。此外或者可替换地，行为数据可以包括但不限于：可以从与媒体内容交互的用户收集的其他信息，例如，姿势、血压(例如，基于肤色或监控附件)、眨眼等中的任一个。

可以将在测试下的媒体的聚合数据加入电子文库中，例如，通过为供分析的聚合行为数据创建在所述电子文库内的新内容条目。在电子文库内创建新内容条目之后，可以重新计算所述范数。

识别统计上显著的相似性或差异的步骤可以包括确定所述供分析的聚合行为数据是否与在所述电子文库内的多个内容条目中的一个或多个的所述聚合行为数据的范数偏离了大于预定的阈值的量。可替换地，可以基于了解的模型识别相似性或差异。

所述输出可以是表示比较结果的基准数据，例如，通过从范数中吸引对任何显著相似性或差异的注意力。基准数据可以具有显示的形式，该显示示出所述供分析的聚合行为数据和范数或者和在所述电子文库内的多个内容条目的聚合行为数据的图形比较。基准数据或者显示可以在本地使用或者可以通过数据网络传送给第三方，例如，在测试下的媒体的所有人或者分销商。

举例而言，基准数据可以是或可用于获得在测试下的媒体的评级。在另一个实例中，基准数据可以用于比较两个以上不同媒体项目的基准数据关于范数的相对位置。因此，输出可以将媒体内容A分类为创建比范数大10％的某个情绪反应，而非媒体内容B接收的情绪反应。

在第二方面，本发明提供一种媒体内比较的方法，例如，参照媒体本身分析针对在测试下的媒体收集的行为数据。根据第二方面，提供一种分析媒体内容的影响的计算机实现方法，所述方法包括：在分析服务器中接收与要分析的一条媒体内容相关的多个单独行为数据记录，在播放要分析的这块媒体内容时，从计算机用户中获得所述多个单独行为数据记录中的每个，其中，所述多个单独行为数据记录中的每个包括根据一个或多个分析维度可表示的行为数据。

在所述分析服务器中执行计算机可读指令，以促使所述分析服务器执行以下步骤：将所述接收的多个单独行为数据记录分成多个行为数据分析子组，所述多个行为数据分析子组中的每个具有在所述分析维度的一个或多个中显示预定特性的单独行为数据记录。在所述多个行为数据分析子组中的每个的所述单独行为数据记录中聚合所述行为数据，并且识别在所述多个行为数据分析子组的聚合行为数据之间的统计上显著的差异。基于所述识别的统计上显著的差异，生成输出，所述输出表示在所述分析维度内的这块媒体内容的相对影响。

与第一方面一样，在第二方面的分析服务器执行从所述多个单独行为数据记录的所述聚合行为数据中提取一个或多个范数的步骤，其中，所述识别在所述多个行为数据分析子组的聚合行为数据之间的统计上显著的差异的步骤包括：比较所述多个行为数据分析子组的聚合行为数据和所述提取的范数。

本发明还可以用于自动识别对在测试下的媒体内容的规定的项目的不同类别的反应，例如，自动检测在所述多个单独行为数据记录内的行为数据与所述一个或多个分析维度之间的一个或多个相关性。根据该检测，本发明的系统和方法可以包括基于所述检测的一个或多个相关性，将所述接收的多个单独行为数据记录分成多个行为数据分析子组。所述检测步骤可以使用聚类算法和/或光谱分析。

附图说明

下面参照附图，详细描述本发明的实施方式，其中：

图1是用于实现根据本发明的一个实施方式的方法的系统的示意图；

图2是根据本发明的一个实施方式的分析服务器的元件的示意图；

图3是描述根据本发明的一个实施方式的媒体标杆管理处理的流程图；

图4是描述根据本发明的一个实施方式的更新在范数文库内的范数的方法的流程图；

图5是描述根据本发明的一个实施方式的媒体标杆管理处理的流程图；

图6是描述根据本发明的一个实施方式的媒体内分析方法的流程图；以及

图7是描述根据本发明的一个实施方式的媒体分析处理的流程图，其中，自动检测在单独行为数据记录与一个或多个分析维度之间的相关性。

具体实施方式

图1描述环境100的一个实施方式，本发明在该环境内可操作。用户102在与可位于本地或远程储存装置上的网络使能的客户端计算装置101相关联的显示器104上观看媒体内容，例如，PC、膝上型电脑、平板电脑、智能电话或者能够渲染媒体内容的其他装置。因此，客户端计算装置101能够通过网络112(例如，互联网)发送和接收数据。

因此，计算装置或显示器104连接至或者具有用于记录行为数据的内置式装置，例如，麦克风、网络摄像头106等。通常，在用户102希望观看或收听某个媒体内容时，可以启动视频播放器108(例如，WindowsMedia播放器、QuickTime播放器、Audacious、Amarok、Banshee、MPlayer、Rhythmbox、SMPlayer、Totem、VLC以及xine、或者在线视频播放器，例如，JW播放器、Flowplayer以及Brightcove)，以呈现用户界面，用于播放媒体内容。

计算装置具有与其相关联的行为数据收集应用110，例如，储存在其上的存储器内、通过网络112可下载或者可访问。用户102可以在计算装置上接收参与行为数据收集运动的邀请，例如，同时在媒体播放器108上观看媒体内容。根据某些实施方式，行为数据收集应用在接受行为数据收集运动的邀请之前并未操作地收集计算机用户行为数据，这可以一次或者在开始任何规定的行为数据收集运动之前进行。一旦接受邀请，行为数据收集应用110执行并且可以与远程分析服务器114通信，以执行并且控制行为数据收集运动，如下所述。

行为数据收集应用110可以是情绪跟踪应用，用于收集表示用户的情绪状态116的信息。行为数据收集应用还可以设置为收集其他类型的行为数据。在用户与视频播放器108上播放的媒体互动时，收集的行为数据可以允许跟踪用户的情绪。

行为数据收集应用110可以执行或者控制初始化处理，该处理在分析服务器114与操作地记录行为数据的硬件(例如，网络摄像头106)之间建立通信，以使收集的数据116(例如，网络摄像头图像、行为数据、媒体属性等)能够在其间传输。例如，初始化处理可以包括在网络112上建立通信(例如，获得通信的授权)。因此，收集的数据116可以通过网络发送给分析服务器114，在分析服务器处提取关于用户情绪的信息并且用于进一步处理。虽然描述为在物理上遥远，但是分析服务器114的功能可以部署为行为数据收集应用的一部分或者以其他方式本地驻留在客户端计算装置上，该客户端计算装置操作地在视频播放器108上播放媒体内容。

本发明涉及在分析服务器114上处理，以生成表示在视频播放器108上向用户102播放的媒体的相对质量的信息。分析服务器114设置为从多个用户中接收收集的数据116，该收集的数据116可以聚合，然后，与自身或者与和其他媒体内容相关的储存的数据相比，以确定并且输出表示在视频播放器108上向用户102播放的媒体的相对质量的信息。因此，由于不需要使用或者其他方式传输低质量媒体以供用户观看，所以实现在本文中描述并且要求的这种质量控制机构，允许更有效地使用有限的计算和网络资源。由于在传输这种低质量媒体时，不使用网络资源112，因此，释放有限带宽，用于其他用途。输出信息可以在分析服务器114上本地显示和/或通过网络112传送给远程端点，例如，传送给用户或者传送给第三方(例如，媒体的所有人)。

图2示出了在图1中所示的分析服务器114的更详细的示意图。功能块用于显示在服务器内执行处理的软件和/或硬件模块。可以使用标准服务器配置实现这些专用功能，例如，处理器、存储器、以及储存在存储器上并且由处理器可执行的软件指令，以执行相应功能。

分析服务器114包括数据接收模块202，用于接收所收集的数据116。数据接收模块可以操作地将接收的数据分成与用户的行为相关的信息以及附属信息，例如，涉及与收集的数据相关的媒体内容的信息。例如，可以提供媒体内容的身份以及关于媒体内容的各种属性(例如，持续时间、类型、收集国家)。关于用户的行为的信息可以包括但不限于：在对媒体内容暴露时与用户的情绪相关的信息、其他用户数据(例如，人口统计数据)等。

分析服务器114可以包括聚合引擎204，该聚合引擎操作地聚合从对暴露于测试下的媒体内容的多个计算机用户接收的行为数据，其中，在准备聚合之前，需要处理收集的数据，例如，从收集的数据中(例如，从图像数据中)提取关于用户的情绪的信息。数据接收模块202可以执行该处理，或者可将收集的数据发送给分析模块208，用于处理。本领域的技术人员应认识到，在分析服务器114处接收所收集的数据之前，可发生某种程度的预处理。

针对每个用户收集的行为数据可以与一个或多个分析维度相关联，例如，未来分析感兴趣的数据或用户的特征或特性。例如，每个情绪的时间演化以及在行为反应与人口统计信息之间的关系可以是感兴趣的。在聚合期间，还捕捉涉及其他分析维度的信息，据此，可以使用分析维度过滤或者进一步操纵聚合数据。

聚合引擎204发送聚合数据(以及关于任何收集的分析维度的相关联信息)，用于储存在可以在物理上远离分析服务器114的聚合数据文库212内。因此，聚合数据文库为多个媒体内容条目储存聚合数据。规定的媒体内容条目可以包括与这块媒体内容相关联的属性数据。而且，可以更新规定的媒体内容条目，例如，在接收媒体内容的规定的项目的额外单独行为数据时。更新媒体内容条目可以包括：更新聚合数据。

分析服务器114可以进一步包括也可以在物理上远离分析服务器114的范数数据库206。范数数据库206操作地存储多个基准范数，可以将测试下的媒体内容的规定的项目与该范数比较，以确定基准数据。可以使用来自聚合数据文库212的信息，创建基准范数。基准范数可以是相对基本的，例如，在聚合数据文库中的所有媒体上的“惊讶”情绪的平均值，但是还可以更复杂，以便提供更好的基准值。例如，范数可以专用于一个或多个分析维度中的特定类别，例如，由特定的人口统计(例如，性别、年龄)响应于在媒体内存在的某个属性(例如，具有小于30秒的持续时间的视频广告)所显示的平均情绪等级。范数数据库206可以储存立即可用于(例如，由传统的查找技术)与在测试下的媒体比较的多个预定的范数，或者可即时或者在分析服务器114的其他元件需要时按需计算范数。

聚合引擎204和范数数据库206与分析模块208通信，分析模块操作地比较在测试下的媒体的聚合数据和从范数数据库206中提取的或者由范数数据库206计算的范数。分析模块208进一步操作地基于这种比较确定基准数据。基准数据可以由数据输出模块210输出，例如，用于显示或者传送给远程目的地。

图3是描述根据本发明的一个实施方式的标杆管理方法的流程图。该方法开始于步骤302，该步骤接收在测试下的媒体内容的规定的项目的多个单独行为数据记录。如上所述，可以在分析服务器114的数据输入模块202内接收单独行为记录，用于分割，以分离行为数据和附随数据(例如，其他用户数据和媒体属性数据)。行为数据可以是(例如)由用户行为数据收集元件在用户所在的位置收集的原始图像或者部分处理的数据。可以使用传统技术从行为数据中提取暴露于测试下的媒体的同时表示用户情绪的信息。

在已经处理数据以提取情绪反应信息之后，该方法继续步骤304，聚合观看测试下的媒体的多个用户的行为信息，以生成针对测试下的媒体的聚合数据。聚合数据可以包括通过多维方式与相关联的用户数据(例如，人口统计数据)和媒体属性数据一起储存的所收集的情绪信息，以允许基于多个分析维度过滤并且进一步操纵聚合数据。

为了标杆管理测试下的媒体，该方法继续步骤306，从范数数据库中获得多个范数。规定的范数可以表示与情绪或所获得的情绪的组合相关联的值，例如，作为储存在聚合数据文库内的媒体内容的多个其他项目的聚合数据的平均或中间值。可以基于在聚合媒体库内储存的所有媒体内容或者仅仅基于储存的媒体内容的子集(例如，基于预定需要的媒体内容的属性)计算范数。在步骤306中获得的范数可以转而是储存在范数数据库上的所有范数的子集，这可以基于在测试下的媒体的属性。

获得范数，并且该方法继续步骤308，比较在测试下的媒体的聚合行为数据和获得的范数。根据某些实施方式，该步骤需要过滤或者操纵在测试下的媒体的聚合数据，以便与每个范数直接可比较。例如，一个范数可以涉及特定性别的情绪反应，因此，在进行比较之前，可以基于该性别过滤聚合数据。同样，如果范数涉及在媒体的持续时间内的平均情绪反应，那么在进行比较之前，需要从测试下的媒体的聚合数据中计算该平均值。

比较步骤308用于确定在测试下的媒体的基准数据的目的。可以从与一组范数的一个或多个比较中直接获得基准数据，例如，作为基于在聚合数据响应与范数之间的差异(积极或消极)的幅度的分数。可替换地，该比较可以识别在聚合数据与范数之间的统计上显著的相似性和/或差异。

该方法继续输出基准数据的步骤310。输出可以是显示，例如，基准数据的图形表示或表格列表。可替换地或者此外，基准数据可以传输给对比较结果感兴趣的第三方，例如，在测试下的媒体的所有人。基准数据可以呈现为与一组相关范数的简单比较，例如，“媒体A创建比范数高/低Y％的情绪反应X”。可替换地，基准数据可以呈现为与相对于范数的另一个媒体项目的比较，例如，“媒体A创建超过比媒体B大Y％的范数的情绪反应X”。

在一个实施方式中，比较两块以上媒体内容的基准数据，例如，并排、在数字上或者图形地，然而，其他实施方式涉及比较媒体内容的项目和媒体内容本身，例如，以判断通过媒体内容的持续时间的基准数据的变化。有利地，提供基准，允许内容项目的分销商允许通过计算机网络仅仅分布具有高基准(例如，始终高基准)的那些内容项目，以供终端用户访问，从而消除低基准内容项目的不必要的传输，并且节约有限的网络和计算资源。

图4是描述根据本发明的一个实施方式的更新范数数据库内的范数的方法的流程图。图4的方法可与上面参照图3描述的方法并行执行。图4的方法以步骤402和404开始，接收并且聚合在测试下的媒体的多个单独行为数据记录，步骤402和404通常与上面参照图3描述的步骤302和304一致并且在此处不再次描述。该方法继续步骤406，其中，在聚合数据文库内制造新内容条目，并且在该新内容条目之下储存聚合数据和相关联的数据(例如，媒体属性)。

创建新内容条目，可以触发评估储存在范数数据库内的预定范数是否需要更新的例程。可替换地，范数数据库可以定期设置为从聚合数据文库中更新其内容。在这两种情况下，结果是在创建新媒体内容条目之后，使用在聚合数据文库内的聚合数据，重新计算储存在范数数据库内的一个或多个范数，步骤408。该方法继续更新在范数数据库内储存的范数，以便重新计算的值可用于检索，步骤410。

图5是描述根据本发明的一个实施方式的标杆管理方法的流程图。该方法与在图3中示出的方法相似，除了即时或者在分析服务器的其他硬件或软件元件需要时按需生成用于比较的范数而非在数据库或其他数据存储器内查找以外。该方法开始接收和聚合在测试下的媒体的多个单独行为数据记录，步骤502和504，步骤502和504通常与上面参照图3描述的步骤302和304一致并且在此处不再次描述。

该方法继续步骤506，其中，为了计算与在测试下的媒体的行为数据相比较的范数的目的，从聚合文库中提取聚合数据的一个或多个样本。可以从在文库中的媒体内容条目的子集中获得聚合数据的样本，例如，通过基于媒体的属性(例如，持续时间、内容类型等)过滤媒体内容条目。还可以在其他分析维度中限制聚合数据的样本，例如，由人口统计信息限制，由在视频内的时间位置(例如，前10秒)限制等。样本可以设置为确保不包括属于在测试下的媒体的聚合数据，例如，在已经为该媒体创建新内容条目的情况下。

该方法继续步骤508，该步骤包括从行为数据的样本中计算一个或多个范数。所述范数可以基于在数据的样本中的一个或多个情绪的聚合响应数据，例如，惊讶、快乐等的平均或中间值。可以从数据的每个样本中提取一个或多个范数。在步骤510中，比较在测试下的媒体的聚合行为数据和计算的范数，以确定在测试下的媒体的基准数据。该步骤通常与上面参照图3描述的比较步骤308一致并且不再次描述。

该方法继续输出基准数据的步骤512。如上面所讨论和描述的，输出可以是显示，例如，基准数据的图形表示或表格列表。可替换地或者此外，基准数据可以通过网络传输给对比较结果感兴趣的第三方，例如，在测试下的媒体的所有人。

图6是描述根据本发明的一个实施方式的自身比较技术的流程图。根据图6的技术，比较在测试下的媒体的聚合行为数据和该媒体本身，以识别统计上显著的发散的区域。该信息可以用于评估媒体的影响，例如，在不同的人口统计组上。就这一点而言，网络运营商和内容分销商可以定制媒体内容的项目的分布，以避免内容的不必要传输，从而节约有限的网络和计算资源。该方法通常与上面参照图5描述的方法一致。然而，根据图6，从在测试下的媒体的聚合数据中计算范数，与从聚合数据文库中计算范数相反。

图6的方法开始接收和聚合在测试下的媒体的多个单独行为数据记录，步骤602和604，步骤602和604通常与上面参照图3描述的步骤302和304一致并且不再次描述。该方法继续步骤606，其中，从前一个步骤604中获得的聚合数据中计算在测试下的媒体的范数。在一个实例中，范数可以表示在测试下的媒体的持续时间(或其一部分)内采用的一个或多个情绪反应的平均值。可以在其他可用的分析维度(例如，人口统计信息)之上过滤范数。

获得聚合数据的样本，用于与范数比较。根据一个实施方式，样本是用于计算范数的聚合数据的子集，以便提供有意义的比较。例如，样本可以是聚合数据的时间上限制(例如，前10秒、后5秒等)的提取物或者在另一个分析维度(例如，年龄、性别)之上过滤聚合数据的结果。在一个实施方式中，样本可以是在测试下的媒体的单个单独行为数据记录。

程序流程继续步骤610，比较聚合行为数据的样本和在测试下的媒体的范数，以确定存在任何统计上限制的差异，这可以表示内部相关的或者媒体内基准数据。例如，该比较可以揭示年龄在16-25岁的男性观看者在媒体的前10秒表达比平均值更多的惊讶。在步骤612中，输出媒体内基准数据。如上所述，输出可以是显示，例如，基准数据的图形表示或表格列表。可替换地或者此外，基准数据可以传输给对比较结果感兴趣的第三方，例如，在测试下的媒体的所有人。与在本文中描述的所有示例性传输一样，可以在本地网络上传输给与分析服务器共置的端点，或可以通过一个或多个网络传输，以到达远程定位的端点。

图7是描述根据本发明的一个实施方式的另一个自身比较技术的流程图。根据图7的技术，评估为测试下的媒体所收集的单独行为数据记录，以识别与一个或多个分析维度的相关性。这种评估可以用作识别媒体的影响具有特定的效果的用户组的方式。就这一点而言，通过将媒体内容仅仅传输给媒体的影响具有特定的期望效果的那些用户，可以优化网络利用率。

程序流程在步骤702中初始化，接收在测试下的媒体的规定的项目的多个单独行为数据记录。该步骤与上面参照图3描述的步骤302一致并且不再次描述。在步骤704中，检测在单独行为数据记录之间的相关性。检测步骤检测在媒体内容的播放的全部或者一部分持续时间的一个或多个情绪的时间演化中的相关性。检测步骤可以使用聚类算法和/或光谱分析。

在步骤706中，基于共同的相关性，将多个单独行为数据记录的子组分配给分析子组。例如，可以将在媒体内容的持续时间的前四分之一内显示相似的快乐峰值的所有单独行为数据记录分配给共同的分析子组。然后，程序流程继续步骤708，其中，输出与子组相关的数据。输出数据可以与子组的共同特性相关，例如，基于人口统计信息或其他用户信息。如上所述，输出可以是显示，例如，基准数据的图形表示或表格列表。可替换地或者此外，输出数据可以传输给对比较结果感兴趣的第三方，例如，在测试下的媒体的所有人。

图1到图7是允许解释本发明的实施方式的概念图。应理解的是，本发明的实施方式的各个方面可以在硬件、固件、软件或其组合内实现。在这种实施方式中，各种元件和/或步骤在硬件、固件和/或软件内实现，以执行本发明的功能。即，同一条硬件、固件或模块可以执行一个或多个显示的块体(例如，元件或步骤)。

在软件实现方式中，计算机软件(例如，程序或其他指令)和/或数据储存在机器可读介质上，作为计算程序、产品的一部分，并且通过可移动储存驱动器、硬盘驱动器或通信接口载入计算机系统或其他装置或机器内。计算机程序(也称为计算机控制逻辑或计算机可读程序代码)储存在主要和/或次要存储器内，并且由一个或多个硬件处理器(控制器等)执行，以促使所述一个或多个处理器执行本发明的功能，如在本文中所述。在该文档中，术语“机器可读介质”、“计算机程序介质”以及“计算机可用介质”用于通常表示随机存取存储器(RAM)；只读存储器(ROM)；可移动储存单元(例如，例如，磁盘或光盘、闪速存储器装置等)、硬盘等介质。

显然，由于通过交换一些或所有描述或示出的部件，能够具有其他实施方式，所以以上示图和实例并非旨在将本发明的范围限于单个实施方式。而且，在可以使用已知的元件部分或者完全实现本发明的某些部件的情况下，仅仅描述理解本发明需要的这种已知元件的那些部分，并且省略这种已知元件的其他部分的详细描述，以便不使本发明晦涩难懂。在本说明书中，示出单个元件的实施方式应该不必限于包括多个相同元件的其他实施方式，反之亦然，除非在本文中另有明确规定。而且，申请人不打算将在本说明书或权利要求中的任何术语归因于罕见的或特殊的意义，除非同样明确陈述。进一步，本发明包含在本文中通过说明的方式提及的已知元件的现有和未来已知的等同物。

具体实施方式的上述描述这样完整地揭示本发明的一般性，以便在不背离本发明的一般概念的情况下，其他人可以通过应用相关领域的技术人员的知识来容易修改这种特定实施方式和/或使这种特定实施方式适合于各种应用，无需过度实验。因此，基于在本文中提出的教导内容和指导，这种适合和修改旨在位于公开的实施方式的等同物的意义和范围内。要理解的是，在本文中的措辞或术语用于描述而非限制的目的，以便结合相关领域的技术人员的知识，鉴于在本文中提出的教导内容和指导，本说明书的术语或措辞要由技术人员来解释。

虽然上面描述了本发明的各种实施方式，但是应理解的是，通过实例而非限制的方式提出这些实施方式。对于相关领域的技术人员，显然，在不背离本发明的精神和范围的情况下，可以在其形式和细节上进行各种变化。因此，本发明不应受到任何上述示例性实施方式的限制，而应仅仅根据以下权利要求及其等同物限定。

Claims (20)

1.一种标杆管理媒体内容的影响的计算机实现方法，所述方法包括：

提供与分析服务器通信的电子文库，所述电子文库具有多个内容条目，所述多个内容条目中的每个内容条目与一条媒体内容相关联并且包括能够根据一个或多个分析维度表示的聚合行为数据，从多个单独行为数据记录中获得所述聚合行为数据，在计算机用户观看所述一条媒体内容时，从所述计算机用户中获得每个单独行为数据记录；

在所述分析服务器中接收与将要被分析的一条媒体内容相关的多个新的单独行为数据记录，在播放所述将要被分析的一块媒体内容时，从计算机用户中获得所述多个新的单独行为数据记录中的每个新的单独行为数据记录，其中，所述多个新的单独行为数据记录中的每个新的单独行为数据记录包括能够根据所述一个或多个分析维度表示的行为数据；

在所述分析服务器中执行计算机可读指令，以使所述分析服务器执行以下步骤：

聚合所接收的所述多个新的单独行为数据记录，以形成供分析的聚合行为数据；

在一个或多个所述分析维度的背景下，比较所述供分析的聚合行为数据和在所述电子文库内的多个内容条目的所述聚合行为数据；

识别在所述供分析的聚合行为数据与所述多个内容条目中的一个或多个内容条目的所述聚合行为数据之间的统计上显著的相似性或差异；并且

基于所识别的统计上显著的相似性或差异，生成输出，所述输出相对于所述多个内容条目中的一个或多个内容条目标杆管理所述将要被分析的一条媒体内容。

2.根据权利要求1所述的方法，其中，规定的单独行为数据记录包括针对由所述计算机用户表示的一个或多个情绪的时间序列数据，并且其中，所述一个或多个分析维度包括时间。

3.根据权利要求1或2所述的方法，包括从所述分析服务器中提取来自所述电子文库内的多个内容条目的所述聚合行为数据的一个或多个范数，并且其中，比较所述供分析的聚合行为数据和在所述电子文库内的多个内容条目的所述聚合行为数据包括：比较所述供分析的聚合行为数据和所提取的范数。

4.根据权利要求3所述的方法，其中，所述分析服务器执行对所述电子文库取样以获得在所述电子文库内的所述多个内容条目的子集的聚合行为数据的步骤，并且从所述多个内容条目的所述子集的聚合行为数据中提取一个或多个所述范数。

5.根据权利要求3或4所述的方法，包括在与所述电子文库相关联的数据库中储存所提取的一个或多个范数。

6.根据权利要求3到5中任一项所述的方法，其中，规定的单独行为数据记录包括针对由所述计算机用户表示的一个或多个情绪的时间序列数据，并且其中，所述范数包括在所述电子文库内的多个内容条目的所述聚合行为数据中的所述一个或多个情绪的平均特性。

7.根据权利要求6所述的方法，其中，所述平均特性选自由以下各项构成的组：

在相应媒体的所有或部分期间的情绪值；

由其他情绪值规格化的、在相应媒体的所有或部分期间的情绪值；

在相应媒体的所有或部分期间的情绪跨度；

情绪高峰的相对时间；

情绪高峰的数量；

最高情绪高峰的值；

情绪低谷的相对时间；

情绪低谷的数量；

最低情绪低谷的值；

在相应媒体的所有或部分期间的累积情绪值；

情绪值的时间演变的峰度和/或偏斜；

情绪值的时间演变的增大和/或减小的持续时间；

平均情绪值的时间演变的中值、范围和标准偏差；

在平均情绪值的时间演变上的最大值与最终值之间的差异；

基于平均情绪值的时间演变的线性趋势的拦截和/或倾斜；以及

在按照时间或者数据记录的数量聚合时，平均情绪值的百分位分布描述符。

8.根据权利要求6或7所述的方法，其中，所述一个或多个情绪选自由以下各项构成的组：生气、厌恶、中立、伤心、害怕、快乐、以及惊讶。

9.根据权利要求6到8中任一项所述的方法，其中，所述范数包括不同情绪之间的相关系数。

10.根据权利要求6到9中任一项所述的方法，包括：针对供分析的聚合行为数据，在所述电子文库内创建新内容条目，并且在创建所述新内容条目之后，重新计算所述范数。

11.根据前述权利要求中任一项所述的方法，其中，所述输出包括显示，所述显示示出所述供分析的聚合行为数据与所述电子文库内的多个内容条目的所述聚合行为数据的图形比较。

12.根据前述权利要求中任一项所述的方法，其中，从所述分析服务器中发送出所述输出。

13.根据前述权利要求中任一项所述的方法，其中，识别统计上显著的相似性或差异包括：确定所述供分析的聚合行为数据是否与所述多个内容条目中的一个或多个内容条目的所述聚合行为数据偏离了大于预定阈值的量。

14.根据前述权利要求中任一项所述的方法，其中，识别统计上显著的相似性或差异是基于习得的模型。

15.一种分析媒体内容的影响的计算机实现方法，所述方法包括：

在分析服务器中接收与将要被分析的一条媒体内容相关的多个单独行为数据记录，在播放所述将要被分析的一条媒体内容时，从计算机用户中获得所述多个单独行为数据记录中的每个单独行为数据记录，其中，所述多个单独行为数据记录中的每个单独行为数据记录包括能够根据一个或多个分析维度表示的行为数据；

在所述分析服务器中执行计算机可读指令，以使所述分析服务器执行以下步骤：

将所接收的多个单独行为数据记录分成多个行为数据分析子组，所述多个行为数据分析子组中的每个行为数据分析子组具有在一个或多个所述分析维度中显示预定特性的单独行为数据记录；

针对所述多个行为数据分析子组中的每个行为数据分析子组，聚合所述单独行为数据记录中的所述行为数据；

识别在所述多个行为数据分析子组的所聚合的行为数据之间的统计上显著的差异；并且

基于所识别的统计上显著的差异，生成输出，所述输出表示在所述分析维度内的一条媒体内容的相对影响。

16.根据权利要求15所述的方法，其中，所述分析服务器执行从所述多个单独行为数据记录的所聚合的行为数据中提取一个或多个范数的步骤，并且其中，所述识别在所述多个行为数据分析子组的所聚合的行为数据之间的统计上显著的差异的步骤包括：将所述多个行为数据分析子组的所聚合的行为数据与所提取的范数进行比较。

17.根据前述权利要求中任一项所述的方法，其中，所述分析服务器执行以下步骤：

检测所述多个单独行为数据记录中的所述行为数据与一个或多个所述分析维度之间的一个或多个相关性；

基于所检测的一个或多个相关性，将所接收的多个单独行为数据记录分成多个行为数据分析子组。

18.根据权利要求17所述的方法，其中，检测步骤应用聚类算法和/或光谱分析。

19.一种包括计算机可读储存介质的计算机程序产品，在所述计算机可读储存介质上储存计算机程序代码，在由计算装置执行所述计算机程序代码时，所述计算机程序代码使所述计算装置执行标杆管理媒体内容的项目的影响的方法，所述计算机程序产品包括：

用于聚合多个单独行为数据记录以形成供分析的聚合行为数据的程序代码；

用于在一个或多个所述分析维度的背景下，比较所述供分析的聚合行为数据和存储在电子文库中的多个内容条目的聚合行为数据的程序代码；

用于识别在所述供分析的聚合行为数据与所述多个内容条目中的一个或多个内容条目的聚合行为数据之间的统计上显著的相似性或差异的程序代码；以及

用于基于所识别的统计上显著的相似性或差异来生成输出的程序代码，所述输出相对于所述多个内容条目中的一个或多个内容条目标杆管理将要被分析的一条媒体内容。

20.一种包括计算机可读储存介质的计算机程序产品，在所述计算机可读储存介质上储存计算机程序代码，在由计算装置执行所述计算机程序代码时，所述计算机程序代码使所述计算装置执行分析媒体内容的影响的方法，所述计算机程序产品包括：

用于将多个单独行为数据记录分成多个行为数据分析子组的程序代码，所述多个行为数据分析子组中的每个行为数据分析子组具有在一个或多个分析维度中显示预定特性的单独行为数据记录；

用于针对所述多个行为数据分析子组中的每个行为数据分析子组，聚合所述单独行为数据记录中的所述行为数据的程序代码；

用于识别在所述多个行为数据分析子组的所聚合的行为数据之间的统计上显著的差异的程序代码；以及

用于基于所识别的统计上显著的差异来生成输出的程序代码，所述输出表示在所述分析维度内的一条媒体内容的相对影响。