CN110169075B - 在直播中智能插入次要内容 - Google Patents

Abstract

从主要内容的直播中，分析已经播出的部分主要内容，以识别主要内容中的高潮事件的发生。基于该分析，构建代表主要内容的已经播出的部分中的高潮事件的一组特征值。预测在其期间发生任何高潮事件的可能性低于阈值可能性的非高潮时段。在该非高潮期间的主要内容的直播中插入次要内容，使得次要内容的插入中断第二高潮事件期间的直播的可能性小于第二可能性阈值。在次要内容在直播中完全发送之后，继续主要内容的直播。

Description

在直播中智能插入次要内容

技术领域

本发明一般涉及在主要内容的直播中插入次要内容。

背景技术

体育赛事、有新闻价值的事件和其他现场现象通常被实时发送给使用各种设备接收直播流的用户。例如，可以将篮球比赛直播给在电视机、移动电话、平板电脑或其他类型的设备上观看比赛的用户。

在下文中，事件的“直播”流(“live”stream)指的是在技术上可能或允许的情况下由发送实体在时间上接近事件发生的实际时间进行的数据发送。例如，奖励节目或游戏的实况广播通常被有意地略微延迟以便能够捕获并防止发送节目或游戏中的不良事件。在说明性实施例的范围内，这种人为引入的延迟和由信号处理引起的延迟不影响将这种发送视为是实时的。

在下文中，“主要”内容指的是主要被寻求要进行实时发送的内容或数据，例如，从诸如体育赛事、仪式等的现场活动产生的内容。“次要”内容是指除主要内容之外的并且是从除主要内容的来源之外的来源获得的内容。例如，由广告内容提供商提供的广告内容—其中断或叠加到由报道实况事件的提供商提供的主要内容，可以被视为示例次要内容。

目前，次要内容在发送中的安插是静态预定义的。例如，可以在主要内容的30分钟发送中计划在9分钟、16分钟和24分钟的2分钟商业广告—此时中断主要内容，发送次要内容。无论主要内容如何，商业广告都按预设间隔(2分钟)在预设时间(9、16和24分钟)出现。

说明性实施例认识到，将次要内容插入主要内容的发送中的静态方法，对主要内容可能是破坏性的。例如，在9分钟时，主要内容可能处于或接近高潮事件，此时，次要内容的静态插入中断主要内容。

说明性实施例认识到，用户经常因这种不合时宜的中断而感到不快。说明性实施例认识到，动态地确定将次要内容插入主要内容的发送的合适时间将是有用的。

如果主要内容中某事件满足一组特征时，与主要内容中的另一事件相比，所述特征使得用户对该事件具有显著更大的兴趣，则该事件被认为是高潮的。例如，某橄榄球比赛整体上可能都是令人兴奋的，但是，用户最喜欢的球队持球触底得分的事件，与球队带球跑动数码距离相比，对于用户而言显著地更令人兴奋—用户的兴趣更大。可以说，持球触底事件在足球比赛的直播中是高潮事件。一般认为用户相比而言显著地更厌恶在可能发生高潮事件时为插播次要内容而中断主要内容的发送。

非高潮时段是高潮事件具有大于不发生的阈值概率的时段。用户被认为对在非高潮时段期间为插播次要内容而中断主要内容的发送具有—相比而言—显著地更大程度的接受度。

说明性实施例进一步认识到，不同的用户可能联系、关联或以其他方式响应不同的高潮事件。例如，在纽约队和达拉斯队之间的比赛的现场直播中，作为纽约队的球迷的用户可能认为纽约队得分的那些事件是高潮，而作为达拉斯队的球迷的用户可能认为达拉斯队得分的事件是高潮。类似地，一个用户可能认为喜剧事件是高潮的，而另一个用户可能认为悬疑事件是高潮的。由于各种原因，不同的用户可以并确实有他们认为是高潮事件的不同的事件。

说明性实施例认识到，动态地确定次要内容的插入点是有用的，不仅如此，还可以针对个体用户对高潮事件的偏好而定制动态插入。然后就可以在主要内容发送的非高潮时段插入次要内容，使得非高潮时段特定于用户的偏好。

说明性实施例进一步认识到，改进对高潮事件和非高潮时段的预测是有益的。说明性实施例认识到，从正在接收实际发送的实际用户获得预测的验证是改进预测的好方法。

说明性实施例认识到，要激励用户参与提供对预测的非高潮时段的反馈或其他验证。如本文所述，由于各种原因，实时发送常常被人为地延迟。说明性实施例认识到，与特定用户参与预测验证相关地改变对该用户的直播(live streaming)中的延迟，作为对这种参与的奖励，因此是有用的。

预测验证是寻求关于预测的用户反馈的方式。预测验证可以采用呈现给用户的问题的形式，用户可以使用适当的技术对问题进行响应。插入前验证(pre-insertionvalidation)是被配置为基本上询问用户是否同意预测的非高潮时段不可能包括高潮事件的查询。插入前验证在将次要内容插入发送之前呈现。

插入后验证是一种查询，其被配置为基本上询问观察到发送的用户是否在预测的非高潮时段期间发送插入的次要内容时实际上没有错过任何高潮事件。插入后验证在插入的次要内容的发送完成之后呈现。

积极(active)用户是响应插入前验证、插入后验证或两者的用户。积极用户组是由积极用户组成的组。被动(passive)用户是至少在某确定的过去时段内未响应任何验证问题的用户。非人类设备，例如记录设备，可以是被动用户。

积极用户组内的积极用户的基于活跃性(activity)的排名，是用户相对于积极用户组中的其他用户的名次或排位，是通过计算由用户提供的验证响应的数目、用户对验证问题的响应速度(用户响应的速度)，或这些和其他类似目的的因素的某种组合而确定的。

实况发送中的基础延迟是由主要内容提供商在发送中配置的固定延迟或延时。动态延迟是可以由实施例配置的附加延时。因此，在实况发送中描述的事件被延时了基础延迟加动态延迟。动态延迟可以是用户特定的，即因用户而异的。

发明内容

说明性实施例提供一种方法、系统和计算机程序产品。一个实施例包括一种方法，该方法从主要内容的直播中，分析主要内容的已经播出的部分，以识别主要内容中的高潮事件的发生。该实施例基于基于该分析，构建代表主要内容的已经播出的部分中的高潮事件的一组特征值。该实施例使用处理器和存储器预测在其期间发生任何高潮事件的可能性低于一阈值可能性的非高潮时段。该实施例在非高潮时段期间在主要内容的直播中插入次要内容，使得次要内容的插入中断第二高潮事件期间的直播的可能性小于第二可能性阈值。该实施例在直播中完全地发送次要内容之后，继续主要内容的直播。因此，该实施例动态地将次要内容设置在直播中，并且避免中断可能在主要内容中发生的高潮事件，后者是静态预先确定次要内容插入点所遇到的问题。

另一个实施例进一步配置一个插入前验证请求以确定直播的用户是否同意在预测的非高潮时段期间不太可能发生第二高潮事件。该实施例在将次要内容插入直播之前，在直播中发送该插入前验证请求。该实施例接收用户输入，接收用户输入，其中该用户输入是对插入前验证请求的肯定响应，并且其中插入次要内容响应于该肯定响应。因此，该实施例不仅为次要内容插入点预测合适的时段，而且在插入次要内容之前还与直播的实际用户验证该预测。这种验证增强了对预测的信心。

在一个实施例中，插入前验证请求是与正在发送的主要内容同时发送的。因此，主要内容的直播仅因次要内容插入而被最小程度地中断，并且在插入前验证请求期间继续。

另一实施例进一步配置插入前验证请求以确定直播的用户是否同意在预测的非高潮时段期间不太可能发生第二高潮事件。该实施例在将次要内容插入直播流之前，在直播流中发送插入前验证请求。该实施例接收用户输入，其中该用户输入是对插入前验证请求的否定响应。该实施例响应于该否定响应，预测第二非高潮时段，并且其中在非高潮时段期间插入次要内容在该第二非高潮时段期间插入次要内容。因此，该实施例不仅为次要内容插入点预测合适的时段，而且在插入次要内容之前还与直播的实际用户验证该预测。对此验证的否定响应避免了基于机器的插入次要内容的预测，其中人类用户认为该插入将干扰主要内容中的高潮事件。

另一实施例进一步配置插入前验证请求以确定直播的用户是否同意在预测的非高潮时段期间不太可能发生第二高潮事件。该实施例在将次要内容插入直播流之前，在直播流中发送插入前验证请求。该实施例未能接收用户输入，其中在非高潮时段期间插入次要内容是对未能接收用户输入的响应。因此，当用户对插入前验证不感兴趣或不能参与插入前验证时，该实施例依赖于预测的非高潮时段来插播。

另一个实施例配置插入后验证请求以确定直播的用户是否同意插入次要内容实际上没有中断主要内容中的任何高潮事件。该实施例在完成直播流中插入的次要内容的发送之后，在直播中发送插入后验证请求发送插入后验证请求。该实施例接收用户输入，其中用户输入是对插入后验证请求的肯定响应。该实施例使用对插入后验证请求的肯定响应来增加在其期间未来非高潮时段将被预测的预测时段。因此，该实施例向人类用户确认该插入实际上并未中断高潮事件，这增加了预测的置信度，并允许预测引擎在较长的预测时段内预测未来的非高潮时段。

另一实施例进一步预测在某未来时间在主要内容中下一个高潮事件的发生，作为预测非高潮时段的一部分，其中使用该组特征值来预测下一个高潮事件。该实施例将从当前时间到该未来时间的时段视为非高潮时段。因此，该实施例允许通过预测何时可能在主要内容中发生下一个高潮事件并且尝试在该下一个高潮事件之前插入次要内容而提供一种预测非高潮时段的替代方式。

在一个实施例中，主要内容是从实时发生的实况事件中捕获的。

一个实施例包括计算机可用程序产品。计算机可用程序产品包括一个或多个计算机可读存储设备，以及存储在一个或多个存储设备中的至少一个上的程序指令。

一个实施例包括计算机系统。该计算机系统包括一个或多个处理器、一个或多个计算机可读存储器和一个或多个计算机可读存储设备、以及存储在一个或多个存储设备中的至少一个上的程序指令，程序指令用于经由一个或多个存储器中的至少一个而被一个或多个处理器中的至少一个执行。

附图说明

在后附权利要求中阐述了被认为是本发明特征的某些新颖特点。然而，当结合附图阅读时，通过参考说明性实施例的以下详细描述，将最好地理解本发明本身以及优选使用模式、进一步的目的及其优点，其中：

图1描绘了其中可以实现说明性实施例的数据处理系统的网络的框图；

图2描绘了其中可以实现说明性实施例的数据处理系统的框图；

图3描绘了根据说明性实施例的用于在直播(live streaming)中智能插入次要内容的示例配置的框图；

图4描绘了根据说明性实施例的用于动态插入预测的示例配置的框图；

图5描绘了根据说明性实施例的用于个性化动态插入预测的示例配置的框图；

图6描绘了根据说明性实施例的用于激励用户响应预测验证请求的示例配置的框图；

图7描绘了根据说明性实施例的用于通过机器学习来改进非高潮时段预测的示例配置的框图；

图8描绘了根据说明性实施例的用于在直播中智能插入次要内容的示例过程的流程图；

图9描绘了根据说明性实施例的用于个性化非高潮时段预测的示例过程的流程图；和

图10描绘了根据说明性实施例的用于激励用户响应预测验证请求的示例过程的流程图。

具体实施方式

说明性实施例认识到，目前可用的工具或解决方案不能满足这些需求或为这些需求提供适当的解决方案。用于描述本发明的说明性实施例总体上处理和解决上述问题以及与在直播中智能插入次要内容有关的其他问题。

实施例可以实现为软件应用程序。实现实施例的应用程序可以被配置为现有的实时主要内容发送系统的修改，作为与现有的实时主要内容发送系统一起操作的单独应用程序、独立应用程序或它们的某种组合。

具体地，一些说明性实施例提供了一种方法，通过该方法可以确定在主要内容发送中的未来时段期间是否可能发生高潮事件，并且在非高潮时段期间插入次要内容。

例如，一个实施例在已知的预测引擎中采用已知的预测算法来预测最佳动态确定的时间窗口，在该时间窗口期间可以插入长度为L的次要内容。例如，如果正在进行体育比赛的实况电视广播(live telecast)，则实施例确定在正在进行的电视广播的下一个S秒内，将在实况体育比赛的正在进行的电视广播中插入长度为L秒的次要内容。选择用于确定时间窗口的优化标准被配置为选择在定义的预测时间距离上的周期，其中对于体育比赛中的高潮事件存在最小概率。

大体上，一个实施例根据一组普遍接受的高潮事件制定一组因子值，其中该组因子值代表该组普遍接受的高潮事件中的高潮事件。普遍接受的高潮事件是普通用户可能发现是高潮的事件。普遍接受的高潮事件的一些例子包括但不限于：体育比赛中的得分事件，竞赛或比赛中的胜利或失败声明，有关人士或实体的宣言或公告，声明、总结、启示、结论、情节曲线或故事情节变化等等。

与事件相关联的因子可以具有指示该事件是高潮事件还是非高潮事件的值。例如，因子可以是场景中的噪声水平或其变化率，并且超过阈值上限水平的噪声水平或变化率可以指示高潮事件，反之亦然。作为另一示例，因子可以是场景中的噪声水平或其变化率，并且降落到低于阈值下限的噪声水平或变化率可以指示高潮事件，反之亦然。一些其他非限制性的示例因子可以是场景中的光强度水平或其变化率，主要内容中是否存在看得见或听得到的人工产物。

指示高潮事件的因子和值的这些示例不旨在是限制性的。根据本公开，本领域普通技术人员将能够设想许多其他因子及其值，它们都是在说明性实施例的范围内所预期的。

使用该组因子值，实施例使用预测引擎来预测在一段时间内是否可能发生满足该组因子值的事件，以及这种情况发生的概率。当预测在预测时段内满足该组因子值的事件具有大于阈值可能性时，该实施例得出已经识别出在预测时段中的高潮事件的结论。

一些其他说明性实施例提供了一种方法，该方法确定给定主要内容中特定用户的喜欢和不喜欢，并为该用户计算定义高潮事件的一组调整了的特征。该方法然后为该特定用户确定在主要内容发送中何时出现非高潮时段，并且使次要内容被插入该用户特定的非高潮时段。

例如，在主要内容的发送期间，实施例使用一个或多个传感器来测量特定用户对内容的响应。例如，生物识别传感器可以测量意味着对呈现的内容不感兴趣的体重变化(变化小于阈值量意味着强烈的兴趣)。作为另一个例子，面部表情分析可以测量兴趣或不感兴趣及其水平。相机可以观察用户注视的移动，以进行类似的测量。许多其他生物识别和其他类型的传感器都可以类似地用于测量用户对给定主要内容感兴趣还是不感兴趣。

根据这些测量，实施例识别一个或多个高潮事件和非高潮事件，以及它们的一个或多个因子值之间的差异。根据所识别的高潮事件，该实施例提取指示高潮事件的一组因子值。在一个实施例中，被认为是指示普遍接受的高潮事件的一组通用因子值，被用指示特定用户发现是高潮事件的事件的因子值修改。

一些更具说明性的实施例提供了一种方法，该方法相对于其他参与用户(积极用户)确定用户响应插入前验证问题、插入后验证问题或两者的参与或活跃水平。该方法然后调整在向用户播放的实时流中人为引入的延迟的动态分量，其中动态延迟与用户在积极用户组中取得的基于活跃性的排名具有反比关系。用户参与验证过程越多，用户响应验证问题的速度越快，或者既多又快，则该用户在积极用户组中的排名越高，且对该用户的动态延迟就变得越小。

.例如，在识别了L秒的非高潮时段后，有足够高的置信度认为在主要内容发送中，当前时间的下一个S+L秒内没有关键事件，则实施例提出问题来验证预测的非高潮期。例如，在主要内容发送期间向一组用户呈现可听和/或可见的提示，并且给予用户一个时间窗口，用于在该时间窗口内对问题提供肯定或否定答复。例如，问题可能是：“在30秒内将呈现120秒的次要内容。是否同意？”如果来自积极用户的肯定答复的数量至少达到阈值，则该实施例安排在主要内容内从当前时间开始的S秒内的某个时间插入次要内容。

提供答案的用户被视为积极用户。对积极用户在积极用户中的位次或基于活跃性的排名给予提升。积极用户的基于活跃性的排名的提升，根据的是用户提供答案的速度，用户提供对验证问题的答复的次数，或这些和其他类似目的的考虑的某种组合。

一个实施例还使用老化(aging)机制来使积极用户组中那些先前积极但不再积极的用户老化。例如，在该实施例的老化操作中，积极用户组的所有用户的排名，自其上次回答以来每隔一个单位时间，就后退一个静态的数目。这种衰减机制使已经脱离的和转变为被动用户的积极用户老化。

验证问题、答复和所得到的基于活跃性的排名，可以在插入次要内容之前发生，在完全发送次要内容之后发生，或者两者兼可。例如，在结束次要内容时，实施例向所有用户呈现听觉或视觉提示，用户可以就插入的时机的有效性作出肯定或否定的响应(即，是否没有因为插入而错过高潮事件)。如果响应的用户尚未在组中，则将其提升为积极用户组的组员。如本文所述地调整他们的排名。一个实施例用积极用户的排名来计算总延迟(基础延迟+动态延迟)，以对该特定用户的主要内容的发送进行时移。

一个实施例从参与用户收集验证响应。该实施例使用机器学习过程中的响应来改进预测引擎的预测能力。例如，一个实施例使用对插入前验证的响应来调整非高潮时段的预测，使得在随后的预测中预测的置信度和来自积极用户的肯定验证响应的数量都得到提高。

作为另一示例，另一实施例使用插入后验证响应来提高未来预测的准确性。另一示例实施例使用插入前验证和插入后验证响应来调整预测引擎，使得可以为未来预测而增加期间可以进行非高潮时段的可靠预测的预测时段。

现有技术中没有在此描述的在直播流中智能插入次要内容的方式。本文描述的实施例的方法，在被实现为在设备或数据处理系统上执行时，包括设备或数据处理系统在主要内容的实时发送中动态地插入次要内容而不干扰实时主要内容中可能出现的任何高潮事件的功能上的实质性进步。

对说明性实施例的描述，针对了仅作为示例的某些类型的内容、发送、延迟、事件、高潮事件、非高潮事件、时段、预测、阈值、验证、响应、排名、调整、传感器、测量、设备、数据处理系统、环境、组件和应用程序。这些和其他类似对象的任何特定表现并不旨在限制本发明。在说明性实施例的范围内可以选择这些和其他类似对象的任何合适的表现形式。

此外，可以就任何类型的数据、数据源或通过数据网络对数据源的访问来实现说明性实施例。在本发明的范围内，任何类型的数据存储设备可以在本地数据处理系统或数据网络上向本发明的实施例提供数据。在说明性实施例的范围内，在使用移动设备描述实施例的情况下，适合与移动设备一起使用的任何类型的数据存储设备可以在本地移动设备或通过数据网络向这样的实施例提供数据。

说明性实施例是用特定代码、设计、架构、协议、布局、示意图和工具来描述的，它们仅作为示例，不是对说明性实施例的限定。此外，在某些情况下，为了描述清楚，说明性实施例是用仅作为示例的特定软件、工具和数据处理环境来描述的。说明性实施例可以与其他可比或类似用途的结构、系统、应用或架构结合使用。例如，在本发明的范围内，其他可比的移动设备、结构、系统、应用或其架构可以与本发明的这种实施例结合使用。说明性实施例可以用硬件，软件或其组合来实现。

本发明中的实例仅是为了描述的清楚，而非对说明性实施例的限定。从本公开内容可以想到其它的数据、操作、动作、任务、活动和操纵，它们都是说明性实施例的范围内可以预期的。

本文列举的任何优点仅是示例，并不旨在限制说明性实施例。通过具体的说明性实施例可以实现其它的或不同的优点。此外，特定说明性实施例可能具有上面列举的优点中的一些或全部，或者可能没有。

参考附图，特别是参考图1和2，这些附图是其中可以实现说明性实施例的数据处理环境的示例图。图1和图2仅是示例，并非旨在声明或暗示对可以在其中实现不同实施例的环境的任何限制。特定实现可以基于以下描述对所描绘的环境进行许多修改。

图1描绘了其中可以实现说明性实施例的数据处理系统的网络的框图。数据处理环境100是其中可以实现说明性实施例的计算机网络。数据处理环境100包括网络102。网络102是用于在数据处理环境100内连接在一起的各种设备和计算机之间提供通信链路的介质。网络102可以包括诸如有线、无线通信链路或光纤电缆的连接。

客户端或服务器仅是连接到网络102的某些数据处理系统的示例角色，并不旨在排除这些数据处理系统的其他配置或角色。服务器104和服务器106与存储单元108一起耦合到网络102。软件应用程序可以在数据处理环境100中的任何计算机上执行。客户端110、112和114也耦合到网络102。数据处理系统，例如服务器104或106或客户端110、112或114可以包含数据，并且可以具有在其上执行的软件应用程序或软件工具。

仅作为示例，并且不暗示对这种架构的任何限制，图1描绘了可用于实施例的示例实现中的某些组件。例如，服务器104和106以及客户端110、112、114仅被示为服务器和客户端的示例，而不是暗示对客户端-服务器体系结构的限制。作为另一示例，在说明性实施例的范围内，如图所示，一个实施例可以分布在若干数据处理系统和数据网络上，而另一实施例可以在单个数据处理系统上实现。数据处理系统104、106、110、112和114还表示集群、分区和适合于实现实施例的其他配置中的示例节点。

设备132是本文描述的设备的示例。例如，设备132可以采用智能手机、平板计算机、膝上型计算机、固定或便携形式的客户端110、可穿戴计算设备或任何其他合适设备的形式。被描述为在图1中的另一数据处理系统中执行的任何软件应用程序可被配置为以类似方式在设备132中执行。在图1中的另一数据处理系统中存储或产生的任何数据或信息可以被配置为以类似的方式在设备132中存储或产生。

应用程序105实现本文描述的实施例。示例源107提供直播流或发送的主要内容。次要内容109可以如图所示存储在存储器108中，或者由另一个源(未示出)提供。作为示例，用户134可以在设备132上接收主要内容的直播流。用户134可以使用设备132上的接口(未示出)来响应验证问题。记录设备111可以与客户端110相关联，作为接收主要内容的直播另一种方法。客户端110和设备111的组合可以被视为示例被动用户。

服务器104和106，存储单元108以及客户端110、112和114以及设备132可以使用有线连接、无线通信协议或其他合适的数据连接来耦合到网络102。客户端110、112和114可以是例如个人计算机或网络计算机。

在所描绘的示例中，服务器104可以向客户端110、112和114提供诸如引导文件、操作系统映像和应用之类的数据。在该示例中，客户端110、112和114可以是服务器104的客户端。客户端110、112、114或其某种组合可以包括它们自己的数据，引导文件、操作系统映像和应用程序。数据处理环境100可以包括附加服务器，客户端和未示出的其他设备。

在所描绘的示例中，数据处理环境100可以是因特网。网络102可以表示使用传输控制协议/网际协议(TCP/IP)和其他协议来彼此通信的网络和网关的集合。互联网的核心是主要在节点或主机—包括数千个路由数据和消息的商业、政府、教育和其他计算机系统—之间的数据通信链路的主干。当然，数据处理环境100也可以实现为多种不同类型的网络，例如内联网、局域网(LAN)或广域网(WAN)。图1旨在作为示例，而不是作为不同说明性实施例的架构限制。

除了其他用途，数据处理环境100还可以用于实现客户端-服务器环境，其中可以实现说明性实施例。客户端-服务器环境使得软件应用程序和数据能够通过网络分布，使得应用程序通过使用客户端数据处理系统和服务器数据处理系统之间的交互来起作用。数据处理环境100还可以采用面向服务的体系结构，其中跨网络分布的可互操作软件组件可以作为一致的业务应用程序打包在一起。数据处理环境100还可以采用云的形式，并且采用服务交付的云计算模型，以便能够方便地按需网络访问可配置计算资源的共享池(例如，网络、网络带宽、服务器、处理、内存、存储器、应用程序、虚拟机和服务)，后者可以通过最少的管理工作或与服务提供商的交互来快速配置和发布。

参考图2，该图描绘了其中可以实现说明性实施例的数据处理系统的框图。数据处理系统200是诸如图1中的服务器104和106或客户端110、112和114的计算机的示例，或者是其中可以为说明性实施例设置用于实现该过程的计算机可用程序代码或指令的另一类型的设备。

数据处理系统200还表示数据处理系统或其中的配置，例如图1中的数据处理系统132，其中可以安置实现说明性实施例的过程的计算机可用程序代码或指令。数据处理系统200仅被描述为计算机作为示例，但不限于此。其他设备的形式的实现，例如图1中的设备132，可以—例如通过添加触摸界面—修改数据处理系统200，甚至从数据处理系统200中消除某些所描绘的组件，而不脱离对本文所述的数据处理系统200的操作和功能的一般描述。

在所描绘的示例中，数据处理系统200采用集线器架构，其包括北桥和存储器控制器集线器(NB/MCH)202和南桥以及输入/输出(I/O)控制器集线器(SB/ICH)204。处理单元206、主存储器208和图形处理器210耦合到北桥和存储器控制器集线器(NB/MCH)202。处理单元206可以包含一个或多个处理器，并且可以使用一个或多个异构处理器系统来实现。处理单元206可以是多核处理器。在某些实现中，图形处理器210可以通过加速图形端口(AGP)耦合到NB/MCH202。

在所描绘的示例中，局域网(LAN)适配器212耦合到南桥和I/O控制器集线器(SB/ICH)204。音频适配器216、键盘和鼠标适配器220、调制解调器222、只读存储器(ROM)224、通用串行总线(USB)和其他端口232、以及PCI/PCIe设备234通过总线238耦合到南桥和I/O控制器集线器204。硬盘驱动器(HDD)或固态驱动器(SSD)226和CD-ROM 230通过总线240耦合到南桥和I/O控制器集线器204。PCI/PCIe设备234可以包括例如以太网适配器、附加卡和用于笔记本电脑的PC卡。PCI使用卡总线控制器，而PCIe则不使用。ROM 224可以是例如闪存二进制输入/输出系统(BIOS)。硬盘驱动器226和CD-ROM 230可以使用例如集成驱动电子设备(IDE)、串行高级技术附件(SATA)接口、或诸如外部SATA(eSATA)和微型SATA(mSATA)的变体。超级I/O(SIO)设备236可以通过总线238耦合到南桥和I/O控制器集线器(SB/ICH)204。

诸如主存储器208、ROM 224或闪存(未示出)的存储器是计算机可用存储设备的一些示例。硬盘驱动器或固态驱动器226、CD-ROM 230和其他类似可用的设备是包括计算机可用存储介质的计算机可用存储设备的一些示例。

操作系统在处理单元206上运行。操作系统协调并提供对图2中的数据处理系统200内的各种组件的控制。操作系统可以是用于任何类型的计算平台—包括但不仅限于服务器系统、个人计算机和移动设备—的商业可用操作系统。面向对象或其他类型的编程系统可以与操作系统协作，并且从在数据处理系统200上执行的程序或应用程序提供对操作系统的调用。

用于操作系统、面向对象的编程系统和应用程序或程序(例如图1中的应用程序105)的指令位于存储设备上—例如以硬盘驱动器226上的代码226A的形式，并可以加载到一个或多个存储器中的至少一个存储器中，例如主存储器208中，以便由处理单元206执行。说明性实施例的处理可以由处理单元206用计算机实现的指令来执行，该指令可以位于例如主存储器208的存储器中，只读存储器224中，或者一个或多个外围设备中。

此外，在一种情况下，代码226A可以通过网络201A从远程系统201B下载，其中类似代码201C存储在存储设备201D上。在另一种情况下，代码226A可以通过网络201A下载到远程系统201B，其中下载的代码201C存储在存储设备201D上。

图1-2中的硬件可以因具体实现而异。除了图1-2中所示的硬件之外还可以使用其他内部硬件或外围设备，例如闪存、等效的非易失性存储器或光盘驱动器等，或用它们代替图1-2中所示的硬件。另外，说明性实施例的过程可以还应用于多处理器数据处理系统。

在一些说明性示例中，数据处理系统200可以是个人数字助理(PDA)，其通常配置有闪存以提供用于存储操作系统文件和/或用户生成的数据的非易失性存储器。总线系统可以包括一个或多个总线，例如系统总线、I/O总线和PCI总线。当然，总线系统可以用提供在连接到结构或体系结构的不同组件或设备之间的数据传输的任何类型的通信结构或体系结构来实现。

通信单元可以包括用于发送和接收数据的一个或多个设备，例如调制解调器或网络适配器。存储器可以是例如主存储器208或高速缓存，例如北桥(North Bridge)和存储器控制器集线器202中的高速缓存。处理单元可以包括一个或多个处理器或CPU。

图1-2中描绘的示例和上述示例并不意味着暗示架构上的限制。例如，除了采用移动或可穿戴设备的形式之外，数据处理系统200还可以是平板计算机、膝上型计算机或电话设备。

在将计算机或数据处理系统描述为虚拟机、虚拟设备或虚拟组件的情况下，虚拟机、虚拟设备或虚拟组件以数据处理系统200的方式使用虚拟化表现形式来操作。数据处理系统200中描绘的一些或所有组件。例如，在虚拟机，虚拟设备或虚拟组件中，处理单元206表现为主机数据中可用的全部或一些数量的硬件处理单元206的虚拟化实例。在主处理系统中，主存储器208表现为主存储器208的全部或部分部分的虚拟化实例，其可以在主机数据处理系统中可用，并且磁盘226表现为盘226的全部或部分部分的虚拟化实例。可以在主机数据处理系统中使用。在这种情况下的主机数据处理系统由数据处理系统200表示。

参考图3，该图描绘了根据说明性实施例的用于在直播中智能插入次要内容的示例配置的框图。应用程序302是图1中的应用程序105的示例，并且在服务器304中执行，服务器304是图1中的服务器104的示例。

从图1中的源107获得主要内容306的馈送。次要内容308是图1中的次要内容109的示例。网络310是图1中的网络102的示例。

应用程序302包括组件312，其执行非高潮时段预测以—如本文所述的那样—将次要内容308动态插入到主要内容306的馈送中。如本文所述，组件314通过确定各个用户特定的高潮事件和非高潮时段来执行非高潮时段的个性化。组件316创建和管理以在向用户的实况内容传递中的动态延迟为形式的验证响应激励。组件316在机器学习过程中收集并使用在一个或多个实时发送期间来自一个或多个用户的验证响应，以调整组件312使用的预测引擎。

作为示例，假设应用程序302促进向用户322和324的发送320。发送320包括主要内容304。在发送期间的某个时刻，应用程序302还在发送320中包括预测验证，例如用于即将进行的插入的插入前验证或先前执行的插入的插入后验证。假设用户322是积极用户并且用户324是被动用户。积极用户322提供对验证的响应326。组件316使用响应326来对用户322进行排名并调整在向用户322的发送320中的动态延迟。例如，在向用户322的发送320中的总延迟可以小于在向用户324的发送320中的总延迟。

一个或多个传感器328测量用户322对发送320中的内容的反应。组件314使用传感器数据330来个性化如本文所述的非高潮时段预测。

参看图4，该图描绘了根据说明性实施例的用于动态插入预测的示例配置的框图。应用程序402是图3中的应用程序302的示例。动态插入预测组件404是图3中的组件312的示例，并且包括如本文所述的子组件。

子组件406确定被主要内容中的高潮事件满足的一组特征和对应的特征值。主要内容可以是图3中的主要内容306。例如，子组件406分析主要内容的直播中一部分已经播出(streamed)的主要内容，以识别主要内容中的一个或多个高潮事件的发生。然后，子组件406确定在主要内容中已经播出的部分中发生高潮事件的条件。子组件406用所述条件构造该组特征值。

子组件408用一个预测引擎来预测未来时间主要内容中的高潮事件的发生。子组件410相应地确定或预测当前时间与高潮事件的未来时间之间的非高潮时段。当没有预期到高潮事件时，高潮事件的未来时间可以是主要内容的结束。

子组件412向主要内容馈送的用户提供一个插入前验证。该插入前验证还可以用作向—积极的以及被动的—的用户发出的即将向主要内容插入次要内容的预先通知。子组件414向主要内容馈送的用户提供一个插入后验证。

在示例操作中，用户可以接收直播流(live stream)中的数据序列420(时间进度由标记为“T”的箭头示出)—先接收主要内容的部分422，接着接收插入前验证424。在一些实现中，可以在部分422正被接收的同时呈现插入前验证424。在插入前验证424之后，非高潮时段426开始，在此期间接收次要内容428。在完成次要内容428之后，接收插入后验证430。在插入后验证430的响应时段已经过去后或者与插入后验证430同时—这取决于具体实现，可以接收主要内容的部分432。在直播期间，序列420可以重复任何次数。

参考图5，该图描绘了根据说明性实施例的用于动态插入预测的个性化的示例配置的框图。应用程序502是图3中的应用程序302的示例。个性化组件504是图3中的组件314的示例，并且包括如本文所述的子组件。传感器数据506是图3中的传感器数据330的示例。

子组件508使用传感器数据506来测量响应于用户认为是高潮或非高潮的事件的用户反应特性。根据这些测量，子组件508识别代表用户特定的高潮事件的特征值组。如果—例如通过图4中的子组件406—生成并使用了用于普遍接受的高潮事件的一组通用特征值，则子组件510修改该组特征值，使得该组修改的特征值指示用户特定的高潮事件。子组件使用该组修改的特征值来使非临界时段的预测(例如，图4中的子组件408和410)预测用户特定的非高潮时段。

参考图6，该图描绘了根据说明性实施例的用于激励用户响应预测验证请求的示例配置的框图。应用程序602是图3中的应用程序302的示例。激励组件604是图3中的组件316的一些功能的示例，并且包括如本文所述的子组件。

子组件606根据用户提供或不提供的验证响应将用户分类为积极的或被动的。子组件608相对于积极用户组中的其他积极用户对积极用户进行排名。子组件610根据用户的排名调整向排名的积极用户的主要内容馈送中的动态延迟。

参考图7，该图描绘了根据说明性实施例的用于通过机器学习改进非高潮时段预测的示例配置的框图。应用程序702是图3中的应用程序302的示例。机器学习组件604是图3中的组件316的一些功能的示例，并且包括如本文所述的子组件。

子组件706使用一个或多个插入前验证响应来调整非高潮时段预测，使得未来预测的置信度值增加、对未来预测的肯定验证响应增加、或者两者都增加。子组件708使用一个或多个插入后验证响应来增加或改善后续预测的非高潮时段的准确度。子组件710使用插入前验证和插入后验证响应来增加一个预测时段，可以以大于阈值置信度预测在该预测时段上的一个非高潮时段。

参考图8，该图描绘了根据说明性实施例的用于在直播流中智能插入次要内容的示例过程的流程图。过程800可以在图3中的应用程序302或图4中的应用程序402中实现。

对于给定的主要内容，应用程序计算在主要内容中发生的高潮事件中使用、呈现或以其他方式满足的一组特征值(框802)。应用程序使用该组特征值来预测在主要内容的直播期间的未来时间出现的高潮事件(框804)。应用程序选择该预测的高潮事件的未来时间之前的一个非高潮时段(方框806)。在一个实现中，可以组合框804和806，以便预测一个非高潮时段而不是预测一个高潮事件，这不脱离说明性实施例的范围。

应用程序向直播流的用户发送插入前验证请求(框808)。应用程序确定是否至少阈值数量的积极用户已肯定地响应该请求，验证预测的非高潮时段(框810)。如果阈值数量的积极用户已经响应但是肯定的响应未达到阈值数量(框810的“否”路径)，则应用程序返回到框806以选择一个新的非高潮时段。如果积极用户的数量尚未达到阈值(默认条件)，或者如果已经接收到至少阈值数量的肯定响应(框810的“是”路径)，则应用程序在所选择的非高潮时段在主要内容的直播中插入次要内容(框812)。

在完成次要内容的发送之后，应用程序可选地可以发送插入后验证请求(框814)。应用程序收集插入前验证和插入后验证响应，并在机器学习或预测引擎的训练中使用所述响应(框816)应用程序此后结束过程800。

参考图9，该图描绘了根据说明性实施例的用于个性化非高潮时段预测的示例过程的流程图。过程900可以在图3中的应用程序302或图5中的应用程序502中实现。

在主要内容的直播期间，应用程序测量或接收特定用户的一个或多个反应的测量结果，所述反应响应于用户对在直播流中展开的事件的感知(框902)。应用程序创建一组特征值，或者修改一组通用高潮事件特征值(如果已经创建了一组的话)，以表示特定用户视为高潮事件的那些事件(框904)。应用程序使用该组修改的特征值，使得非高潮时段的预测(例如，图8中的框804和806中的)是用户特定的(框906)。

应用程序向特定用户发送用户特定的插入前验证请求(框908)。应用程序基于肯定地响应的特定用户在该用户特定的非高潮时段插入次要内容，或者，在无响应的情况下，引起在该用户特定的非高潮时段期间的默认插入(框910)。如果用户反复作出否定响应，则可以将应用程序配置为在选择一个非高潮时段作为默认的非高潮时段之前选择有限数量的替代非高潮时段。

一旦完成插入的次要内容的发送，应用程序可选地可以向特定用户发送用户特定的插入后验证请求(框912)。应用程序基于用户对插入前验证、插入后验证或两者的响应来修改预测引擎(框914)。应用程序此后结束过程900。

参考图10，该图描绘了根据说明性实施例的用于激励用户响应预测验证请求的示例过程的流程图。过程1000可以在图3的应用程序302或图6的应用程序602中实现。

当用户响应验证请求时，应用程序将用户分类为积极的(框1002)。应用程序基于用户响应的速度、用户在给定时段或馈送期间提供的响应的数量或其某种组合来计算用户相对于其他积极用户的排名或分数(框1004)。

随着响应之间的时间流逝，应用程序使所有积极用户的排名或分数老化或衰减(框1006)。应用程序计算用户的最终排名或分数(框1008)。应用程序计算动态延迟时段，该动态延迟时段与用户的最终排名或分数具有反比关系(框1010)。

应用程序将计算出的动态延迟与直播流中使用的基础延迟相结合(框1012)。应用程序以基础延迟加动态延迟的总延迟发送主要内容或导致主要内容的发送(框1014)。应用程序此后结束过程1000。

至此，说明性实施例提供了用于在直播中智能地插入次要内容的计算机实现的方法、系统或装置以及计算机程序产品以及其他相关特征、功能或操作。在关于一种类型的设备描述实施例或其一部分的情况下，该计算机实现的方法、系统或装置、计算机程序产品或其一部分被适配或配置为与该类型的设备适当且可比较的表现形式一起使用。

在将实施例描述为在应用程序中实现的情况下，在软件即服务(SaaS)模型中交付应用程序，在说明性实施例的范围内。在SaaS模型中，通过在云基础架构中执行应用程序来向用户提供实现实施例的应用程序的能力。用户可以通过诸如web浏览器(例如，基于web的电子邮件)的瘦客户端接口或其他轻量级客户端应用程序使用各种客户端设备来访问应用程序。用户不管理或控制底层云基础架构，包括网络、服务器、操作系统或云基础架构的存储。在某些情况下，用户甚至可能不管理或控制SaaS应用程序的功能。在某些其他情况下，应用程序的SaaS实现可能允许可能的有限用户特定应用程序配置设置的例外。

在任何可能的技术细节结合层面，本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、集成电路配置数据或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。

这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

Claims (25)

1.一种用于在主要内容的直播中插入次要内容的方法，包括：

从主要内容的直播中，分析主要内容的已经播出的部分，以识别主要内容中的高潮事件的发生；

基于该分析，构建代表主要内容的已经播出的部分中的高潮事件的一组特征值；

使用处理器和存储器预测在其期间发生任何高潮事件的可能性低于一阈值可能性的非高潮时段；

在非高潮时段，在主要内容的直播中插入次要内容，使得次要内容的插入中断第二高潮事件期间的直播的可能性小于第二可能性阈值；和

在直播中完全地发送次要内容之后，继续主要内容的直播。

2.如权利要求1所述的方法，还包括：

配置插入前验证请求以确定直播的用户是否同意在预测的非高潮时段期间不太可能发生第二高潮事件；

在将次要内容插入直播之前，在直播中发送插入前验证请求；和

接收用户输入，其中该用户输入是对插入前验证请求的肯定响应，并且其中插入次要内容响应于该肯定响应。

3.如权利要求2所述的方法，其中，插入前验证请求与正在发送的主要内容同时发送。

4.如权利要求1所述的方法，还包括：

配置插入前验证请求以确定直播的用户是否同意在预测的非高潮时段期间不太可能发生第二高潮事件；

在将次要内容插入直播流之前，在直播流中发送插入前验证请求；

接收用户输入，其中该用户输入是对插入前验证请求的否定响应；

响应于该否定响应，预测第二非高潮时段，并且其中在非高潮时段期间插入次要内容包括在该第二非高潮时段期间插入次要内容。

5.如权利要求1所述的方法，还包括：

配置插入前验证请求以确定直播的用户是否同意在预测的非高潮时段期间不太可能发生第二高潮事件；

在将次要内容插入直播流之前，在直播流中发送插入前验证请求；

未能接收用户输入，其中在非高潮时段期间插入次要内容是对未能接收用户输入的响应。

6.如权利要求1所述的方法，还包括：

配置插入后验证请求以确定直播的用户是否同意插入次要内容实际上没有中断主要内容中的任何高潮事件；

在完成直播流中插入的次要内容的发送之后，在直播中发送插入后验证请求；

接收用户输入，其中用户输入是对插入后验证请求的肯定响应；和

使用对插入后验证请求的肯定响应来增加在其期间未来非高潮时段将被预测的预测时段。

7.如权利要求1所述的方法，还包括：

作为预测非高潮时段的一部分，预测在某未来时间在主要内容中下一个高潮事件的发生，所述预测下一个高潮事件使用该组特征值；和

将从当前时间到该未来时间的时段作为非高潮时段。

8.如权利要求1所述的方法，其中，主要内容是从实时发生的实况事件中捕获的。

9.一种用于在主要内容的直播中插入次要内容的计算机可读介质，包括一个或多个计算机可读存储设备，以及存储在所述一个或多个存储设备中的至少一个上的程序指令，所存储的程序指令包括：

用于从主要内容的直播中，分析主要内容的已经播出的部分，以识别主要内容中的高潮事件的发生的程序指令；

用于基于该分析，构建代表主要内容的已经播出的部分中的高潮事件的一组特征值的程序指令；

用于预测在其期间发生任何高潮事件的可能性低于一阈值可能性的非高潮时段的程序指令；

用于在非高潮时段，在主要内容的直播中插入次要内容，使得次要内容的插入中断第二高潮事件期间的直播的可能性小于第二可能性阈值的程序指令；和

用于在直播中完全地发送次要内容之后，继续主要内容的直播的程序指令。

10.如权利要求9所述的计算机可读介质，还包括：

用于配置插入前验证请求以确定直播的用户是否同意在预测的非高潮时段期间不太可能发生第二高潮事件的程序指令；

用于在将次要内容插入直播之前，在直播中发送插入前验证请求的程序指令；和

用于接收用户输入的程序指令，其中该用户输入是对插入前验证请求的肯定响应，并且其中插入次要内容响应于该肯定响应。

11.如权利要求10所述的计算机可读介质，其中，插入前验证请求与正在发送的主要内容同时发送。

12.如权利要求9所述的计算机可读介质，还包括：

用于配置插入前验证请求以确定直播的用户是否同意在预测的非高潮时段期间不太可能发生第二高潮事件的程序指令；

用于在将次要内容插入直播流之前，在直播流中发送插入前验证请求的程序指令；

用于接收用户输入的程序指令，其中该用户输入是对插入前验证请求的否定响应；

用于响应于该否定响应，预测第二非高潮时段，并且其中在非高潮时段期间插入次要内容包括在该第二非高潮时段期间插入次要内容的程序指令。

13.如权利要求9所述的计算机可读介质，还包括：

用于配置插入前验证请求以确定直播的用户是否同意在预测的非高潮时段期间不太可能发生第二高潮事件的程序指令；

用于在将次要内容插入直播流之前，在直播流中发送插入前验证请求的程序指令；

用于检测未能接收用户输入的程序指令，其中在非高潮时段期间插入次要内容是对未能接收用户输入的响应。

14.如权利要求9所述的计算机可读介质，还包括：

用于配置插入后验证请求以确定直播的用户是否同意插入次要内容实际上没有中断主要内容中的任何高潮事件的程序指令；

用于在完成直播流中插入的次要内容的发送之后，在直播中发送插入后验证请求的程序指令；

用于接收用户输入的程序指令，其中用户输入是对插入后验证请求的肯定响应；和

用于使用对插入后验证请求的肯定响应来增加在其期间未来非高潮时段将被预测的预测时段的程序指令。

15.如权利要求9所述的计算机可读介质，还包括：

用于作为预测非高潮时段的一部分，预测在某未来时间在主要内容中下一个高潮事件的发生的程序指令，所述预测下一个高潮事件使用该组特征值；和

用于将从当前时间到该未来时间的时段作为非高潮时段的程序指令。

16.如权利要求9所述的计算机可读介质，其中，主要内容是从实时发生的实况事件中捕获的。

17.如权利要求9所述的计算机可读介质，其中所述计算机可用代码存储在数据处理系统中的计算机可读存储设备中，并且其中所述计算机可用代码通过网络从远程数据处理系统传输。

18.如权利要求9所述的计算机可读介质，其中所述计算机可用代码存储在服务器数据处理系统中的计算机可读存储设备中，并且其中所述计算机可用代码通过网络下载到远程数据处理系统以在与远程数据处理系统相关联的计算机可读存储设备中使用。

19.一种用于在主要内容的直播中插入次要内容的计算机系统，包括一个或多个处理器、一个或多个计算机可读存储器，以及一个或多个计算机可读存储设备、以及存储在所述一个或多个存储设备中的至少一个上的程序指令，所存储的程序指令用于经由所述一个或多个存储器中的至少一个由所述一个或多个处理器中的至少一个执行，所存储的程序指令包括：

用于从主要内容的直播中，分析主要内容的已经播出的部分，以识别主要内容中的高潮事件的发生的程序指令；

用于基于该分析，构建代表主要内容的已经播出的部分中的高潮事件的一组特征值的程序指令；

用于预测在其期间发生任何高潮事件的可能性低于一阈值可能性的非高潮时段的程序指令；

用于在非高潮时段，在主要内容的直播中插入次要内容，使得次要内容的插入中断第二高潮事件期间的直播的可能性小于第二可能性阈值的程序指令；和

用于在直播中完全地发送次要内容之后，继续主要内容的直播的程序指令。

20.如权利要求19所述的计算机系统，还包括：

用于配置插入前验证请求以确定直播的用户是否同意在预测的非高潮时段期间不太可能发生第二高潮事件的程序指令；

用于在将次要内容插入直播之前，在直播中发送插入前验证请求的程序指令；和

用于接收用户输入的程序指令，其中该用户输入是对插入前验证请求的肯定响应，并且其中插入次要内容响应于该肯定响应。

21.如权利要求20所述的计算机系统，其中，插入前验证请求与正在发送的主要内容同时发送。

22.如权利要求19所述的计算机系统，还包括：

用于配置插入前验证请求以确定直播的用户是否同意在预测的非高潮时段期间不太可能发生第二高潮事件的程序指令；

用于在将次要内容插入直播流之前，在直播流中发送插入前验证请求的程序指令；

用于接收用户输入的程序指令，其中该用户输入是对插入前验证请求的否定响应；

用于响应于该否定响应，预测第二非高潮时段，并且其中在非高潮时段期间插入次要内容包括在该第二非高潮时段期间插入次要内容的程序指令。

23.如权利要求19所述的计算机系统，还包括：

用于配置插入前验证请求以确定直播的用户是否同意在预测的非高潮时段期间不太可能发生第二高潮事件的程序指令；

用于在将次要内容插入直播流之前，在直播流中发送插入前验证请求的程序指令；

用于检测未能接收用户输入的程序指令，其中在非高潮时段期间插入次要内容是对未能接收用户输入的响应。

24.如权利要求19所述的计算机系统，还包括：

用于配置插入后验证请求以确定直播的用户是否同意插入次要内容实际上没有中断主要内容中的任何高潮事件的程序指令；

用于在完成直播流中插入的次要内容的发送之后，在直播中发送插入后验证请求的程序指令；

用于接收用户输入的程序指令，其中用户输入是对插入后验证请求的肯定响应；和

用于使用对插入后验证请求的肯定响应来增加在其期间未来非高潮时段将被预测的预测时段的程序指令。

25.如权利要求19所述的计算机系统，还包括：

用于作为预测非高潮时段的一部分，预测在某未来时间在主要内容中下一个高潮事件的发生的程序指令，所述预测下一个高潮事件使用该组特征值；和

用于将从当前时间到该未来时间的时段作为非高潮时段的程序指令。

Images