CN110888994A - 多媒体数据推荐系统及多媒体数据推荐方法 - Google Patents

Abstract

一种多媒体数据推荐系统包含存储装置及处理器。存储装置包含第一存储单元及第二存储单元。第一存储单元用以存储多媒体数据段落。第二存储单元通过网络与至少一使用者装置连接，并用以存储至少一使用者装置与多媒体数据系统互动而产生的操作数据。处理器耦接该存储装置，包含回应分析单元及计时单元，处理器用以分析第一存储单元中的多媒体数据以产生多媒体数据间的关联性连结，以及分析第二存储单元中的操作数据，并根据关联性连结及操作数据产生对应的推荐清单，其中推荐清单记载多媒体数据段落。

Description

多媒体数据推荐系统及多媒体数据推荐方法

技术领域

本公开文件涉及一种多媒体数据推荐系统及多媒体数据推荐方法，特别是一种根据使用者习惯及喜好的多媒体数据推荐系统及多媒体数据推荐方法。

背景技术

随着远距教学的发展，突破了空间的界限，使用者能够依照自己的喜好及方便性选择如电视广播或网际网络等方式学习。但课程数据繁多，使用者不易快速得知适合自己的课程数据。而常见的学习清单编排方法多为系统根据主题或管理者设定而有一定的预设顺序，使用者无法确定当前的课程是否适合自己目前的喜好及需求。

多媒体数据五花八门，每个人喜欢的课程种类、主题、方式、授课方法不尽相同，不同人对同一个课程的接受度也不同，课程数据必须契合使用者的喜好才能够有好的学习成果。

发明内容

本公开内容的一实施例中，一种多媒体数据推荐系统包含存储装置及处理器。存储装置包含第一存储单元及第二存储单元。第一存储单元用以存储多媒体数据段落。第二存储单元通过网络与至少一使用者装置连接，并用以存储至少一使用者装置与多媒体数据系统互动而产生的操作数据。处理器耦接该存储装置，处理器用以分析第一存储单元中的多媒体数据以产生该些多媒体数据间的关联性连结，以及分析第二存储单元中的操作数据，并根据关联性连结及操作数据产生对应推荐清单以供至少使用者装置显示推荐清单，推荐清单记载多媒体数据。处理器包含回应分析单元及计时单元，其中操作数据包含对多媒体数据段落的至少一回应，回应分析单元用以进行分析以取得对应于多媒体数据段落中的至少一问题的至少一回应，计时单元用以计算多媒体数据段落的播放时间。

本公开内容的另一实施例中，多媒体数据推荐方法包含下列操作：通过第一存储单元存储多媒体数据；通过第二存储单元存储至少一使用者装置与多媒体数据系统互动而产生的操作数据；分析第一存储单元中的该些多媒体数据段落以产生多媒体数据段落间的关联性连结；分析第二存储单元中的操作数据，并根据关联性连结及操作数据产生对应的推荐清单，推荐清单记载多媒体数据段落。

综上所述，多媒体数据系统通过第一存储单元存储多媒体数据，通过第二存储单元存储操作数据，并对第一存储单元中的多媒体数据以及第二存储单元中的操作数据进行分析及运算，并产生对应的推荐清单的数据。

附图说明

图1示出根据本公开文件的一实施例的多媒体数据系统的功能方框图。

图2示出根据本公开文件的一实施例的多媒体数据处理方法的流程图。

图3示出根据本公开文件的一实施例的多媒体数据内容关联性的示意图。

图4示出根据本公开文件的一实施例的推荐清单的学习路径的示意图。

附图标记说明：

100：多媒体数据系统

120：处理器

140：存储装置

142：第一存储单元

144：第二存储单元

200：使用者装置

300：数据处理方法

S310、S320、S330、S331、S332、S340：步骤

A1、B1、C1、A2、B2、C2、D2、E2、F2：多媒体数据

A11～A14、B11～B13、C11～C14：段落

具体实施方式

在本文中所使用的用词“包含”、“具有”等等，均为开放性的用语，即意指“包含但不限于”。此外，本文中所使用的“及/或”，包含相关列举项目中一或多个项目的任意一个以及其所有组合。

于本文中，当一元件被称为“连结”或“耦接”时，可指“电性连接”或“电性耦接”。“连结”或“耦接”亦可用以表示二或多个元件间相互搭配操作或互动。此外，虽然本文中使用“第一”、“第二”、…等用语描述不同元件，该用语仅是用以区别以相同技术用语描述的元件或操作。除非上下文清楚指明，否则该用语并非特别指称或暗示次序或顺位，亦非用以限定本公开文件。

请参考图1，图1示出根据本公开文件的一实施例的多媒体数据系统的功能方框图。多媒体数据系统100与使用者装置200通信连接，可以是经由有线或无线通信的方式互相连接，借此达到传递数据。于一实施例中，多媒体数据系统100可以是英语线上学习平台，使用者装置200可以是个人台式电脑、笔记本电脑装置、平板电脑装置或智能移动通信装置等，多媒体数据可以是线上课程，包含影片、文章、声音、投影片或其他具有学习数据的媒体。

于一实施例中，多媒体数据系统100包含处理器120及存储装置140。处理器120及存储装置140与使用者装置200通信连接，处理器120借此与使用者装置200传递数据，并将数据存储于存储装置140中或从存储装置140读取数据。于一实施例中，处理器120可以是中央处理器、微处理器等或其他具有数据处理功能的元件。存储装置140可以是硬盘、磁盘阵列、磁带机、非易失性存储器或其他电子存储媒体。

于一实施例中，操作数据包含对多媒体数据段落的至少一回应，处理器120包含回应分析单元122及计时单元124，回应分析单元122用以进行分析以取得对应于多媒体数据段落中的至少一问题的至少一回应，例如取得使用者对于英文教学影片的线上测验的答案。计时单元124用以计算多媒体数据段落的播放时间，例如使用者观看一部英文教学影片的播放时间。

于一实施例中，存储装置140包含第一存储单元142及第二存储单元144。使用者装置200通信连接第二存储单元144，第二存储单元144借此存储对应于使用者装置200的数据。第一存储单元142用以存储多媒体数据段落。第二存储单元144用以存储使用者装置200与多媒体系统100互动所产生的操作数据，例如log或日志。处理器120用以对存储于第一存储单元142的多媒体数据段落及操作数据分析及运算，并产生对应的推荐清单数据以供使用者装置200显示推荐清单。

于一实施例中，存储装置140还包含第三存储单元(未示出)，第三存储单元用以存储对应于第一存储单元142中多媒体数据段落(如：实际影片mp4档和影片档)上传至多媒体数据系统100中云端平台数据库后的后设数据(meta data)。于一实施例中，第三存储单元可以与第一存储单元142及第二存储单元144中任一者整合，在此不以上述为限。

于一实施例中，第一存储单元142可以是存储线上课程的课程数据库，第二存储单元144可以是存储个人台式电脑于英语线上学习平台上的操作数据的后端数据库。操作数据例如是使用者以鼠标点击欲观看的线上课程数据时，后端数据库会将被点击的项目存储为操作数据。

应注意到，上述多媒体数据系统100中的装置及元件的实现方式不以上述实施例所公开的为限，且连接关系亦不以上述实施例为限，凡足以令多媒体数据系统100实现下述技术内容的连接方式与实现方式皆可运用于本公开。

请同时参考图1及图2。图2示出根据本公开文件的一实施例的多媒体数据处理方法的流程图。在图2中的处理方法300，包含步骤S310、步骤S320、步骤S330及步骤S340。首先，步骤S310中，通过存储装置140中的第一存储单元142，存储多媒体数据段落。于一实施例中，多媒体数据段落包含未经过分段的多媒体数据，例如一部完整的影片或文章，或是经过分段处理的多个多媒体数据段落，例如依照主题分段后的文章段落。

接着，在步骤S320中，通过存储装置140中的第二存储单元144，存储使用者装置200与多媒体系统100互动所产生的操作数据。

以下介绍多媒体数据系统100中操作数据的产生方法。于一实施例中，操作数据的产生方法可以是根据于讨论区发问的次数。例如，使用者观看英语线上学习平台中的多媒体数据时，该平台除了显示多媒体数据内容的接口之外，还包含对应于该多媒体数据的讨论区，讨论区提供使用者对于内容提出问题或讨论。例如使用者对影片内容有疑问时可于讨论区发问，发问时可以标记影片时间以让欲解答者更快速知道问题是出现在影片中的哪个段落。

例如，使用者对于影片中的1：00处有疑问，可于讨论区发问并标记影片1：00处。其他使用者观看此影片时可以一并看到讨论区的此问题，并可以于下方解答。往后观看此影片的人对于影片中的1：00处有相同疑问时能够查找讨论区是否有相同的问题已被解答。

于一实施例中，操作数据的产生方法可以是根据标记的数量。例如，使用者观看多媒体数据段落时，可以于内容中增加标记，标记可以进一步增加注解。除了使用者自行增加的注解外，也能够经由设定观看其他使用者增加的标记或套用经由专业人士使用的标记及注解。例如使用者观看影片时，认为影片3：00处为重点，可直接于影片3：00处加上标记，并附上注解内容将此处标注为重点。其他使用者可以经由设定观看其他使用者的标记及注解，系统也能够统计最多人使用者标记以提供使用者套用。

于一实施例中，操作数据的产生方法可以是根据观看记录。例如，处理器120计算使用者的观看多媒体数据段落的记录时，也就是统计观看记录。统计结果中影片的比例最高而文章的比例最低，表示该使用者较喜欢使用影片学习、对影片的接收度较高或想增进英语听力能力，而较不喜欢阅读文字或较不需要增进英语阅读能力。处理器120通过分析使用者观看过的线上学习课程得知使用者较喜欢的学习方式及主题。例如使用者的观看记录多为旅游类型的英文文章，表示使用者对旅游的主题较感兴趣，并且较喜欢阅读或想要增进阅读能力，将此分析结果存储于第二存储单元144为操作数据。

于一实施例中，操作数据的产生方法可以是根据线上测验的表现或问题的回应的分析结果。换言之，前述操作数据包含使用者操作时对前述多媒体数据段落的回应。如多媒体数据段落中包括问题问卷时，回应是“答案”。再例如，通过线上测验让使用者了解自身的学习成果，线上测验的方式可以是是非题、选择题、申论题、作文或口试等等。除了线上测验的分数之外，答题的时间及速度都是处理器120中的回应分析单元122评估使用者学习成果的参数之一，处理器120分析上述参数以产生分析结果，并将分析结果存储为操作数据。例如，线上测验时，分析结果可以是使用者进行线上测验时的答案的正确与否，分析结果会有正确及错误两种结果。

于一实施例中，操作数据的产生方法可以是根据观看线上影片时的操作，例如多媒体数据的实际播放时间。当使用者观看不同难度的英语线上课程时，会有不同的操作。例如，英语初学者(例如全民英检初级程度)观看程度较难的英语线上课程时(例如全民英检中级)，会需要花费较多时间观看，如反复观看特定段落或是暂停影片，实际播放时间会大于影片本身的时间，处理器120中的计时单元124会计算使用者实际播放的时间，第二存储单元144会将这些记录及实际播放时间存储为操作数据，处理器120可以判断重复观看的线上课程为使用者有兴趣或需要加强的学习主题。

例如，线上测验的表现包含测验分数或测验时间。处理器120可以参考播放时间、参考答题时间及参考分数。通过计算使用者观看线上课程时的播放时间或线上测验的分数及答题时间来判断使用者的学习程度。当播放时间高于参考播放时间时判断该线上课程对于使用者是困难的，播放时间低于参考播放时间时判断对于使用者是简单的。当答题时间大于参考答题时间或当分数低于参考分数时判断线上测验对于使用者来说是困难的，当答题时间低于参考答题时间或当测验分数高于参考分数时判断该线上课程对于使用者是简单的。因此，处理器120通过上述判断方式即可得知当前的多媒体数据段落或线上测验对于使用者的难度如何。在此实施例中，多媒体数据段落的性质可以是多媒体数据段落的难度。参考分数的设定方式可以是所有经过测验的使用者的平均分数，参考答题时间的设定方式可以是所有经过测验的使用者的平均花费时间，设定的方式不以上述为限，也可以是其他的设定方式。

本公开文件的操作数据产生方法不以上述为限，上述是以举例说明操作数据的产生方法，凡是使用者通过使用者装置200于多媒体系统100上的操作皆包含于本公开文件所述的操作数据。操作数据代表使用者的使用习惯及行为，后续通过分析操作数据产生评估数据，处理器120通过评估数据能够进一步得知使用者的喜好或程度等。

在步骤S330中，对第一存储单元142中的多媒体数据段落以及第二存储单元144中的操作数据进行分析及运算。在一实施例中，步骤S330包含更进一步的步骤S331及步骤S332。步骤S331中，对第一存储单元142中的多媒体数据段落的内容进行关联性连结。步骤S332中根据第二存储单元中的操作数据产生评估数据。

以下介绍在步骤S330中，多媒体数据段落内容之间的关联性的分析方法。多媒体数据段落的内容以影片为例，还包含影片字幕、讨论区内容及影片标记等等。不同多媒体数据段落的内容之间的关联性可能是因为主题、字幕、课程描述或难易度相近，而有高相似度。除此之外，以影片为例，两部不同主题的影片也可能是存在部分内容有关连性，例如旅游主题的A影片的2：00～3：00处与食物主题的B影片的5：00～6：00内容有关连性，内容可能都为描述同一国家的旅游方式及食物文化。因此需要针对不同影片的内容分段，并建立有关连性的段落之间的关联性连结。

以下说明在步骤S331中，关联性连结的建立方法，请参考图3，图3示出根据本公开文件的一实施例的多媒体数据段落内容关联性的示意图。图3中包含多媒体数据A1、多媒体数据B1及多媒体数据C1，以及对应的段落A11～A14、段落B11～B13及段落C11～C14。于此实施例中，以A1为影片、B1为文章及C1为影片作为范例说明，以下说明分析线上课程内容之间关联性的方式。

多媒体数据A1当中，处理器120可以先分析A1的影片内容，以影片内容作为分段参考来分成多个单元段落。这边以分成4个段落A11、A12、A13及A14来做为例子说明，本公开文件的多媒体数据分段数量不以4个为限，可以根据实际情况分成其他数量的单元段落。而分析影片内容的分段方法可以是根据多媒体数据A1中的影片字幕、讨论区、影片标记等能够获知影片内容的方式来进行分析，分析分段的方式可以例如是针对关键字，像是以影片中说话者常用的开头句或结尾句来区分不同的单元段落。除了经由处理器120分析，也可以通过制作多媒体数据A1的人或具有相当知识的专家进行分段。处理器120可以通过前述也提及的标记方式将不同段落分段，让使用者观看多媒体数据A1时能够直接点击标记或通过观看注解，跳到欲观看的段落，使操作上更为方便，其他不同类型的多媒体数据也能够应用相同的标记方式。

在多媒体数据B1中，以分析文章的内容及段落的方式来做为区分不同单元段落的参考，通常文章内容中不同的段落会以段落开头空两格作为区分不同段落的方式，因此可以以检测文字段落有空两格处作为不同单元段落的起始处。于此实施例中，以分成3个段落B11、B12及B13作为例子。多媒体数据C1的分段方式与多媒体数据A1相似，这边以分成4个段落C11、C12、C13及C14作为例子。

处理器120将不同的多媒体数据A1、B1及C1依照内容各自分好段落后，接着分析多媒体数据A1、B1及C1之间的关联性。不同多媒体数据中的不同段落内容之间可能有关连性，于此实施例中，多媒体数据A1中的段落A12与多媒体数据B1中的段落B12及多媒体数据C1中的段落C11有关连性，处理器120将段落A12、段落B12及段落C11之间建立关联性连结，如图3的曲线箭号所示。例如观看完段落A12的影片内容后，除了按照预设顺序继续段落A13，也适合接着看段落B12的文章内容，再观看段落C11的影片内容。段落B12的文章内容可能为说明段落A12的影片内容的文章段落，并且为段落C11的知识基础之一，于此情况下，不一定要如传统观看影片的方式按照多媒体数据A1的顺序将段落A11、A12、A13及A14整个看完再观看多媒体数据B1。

于一实施例中，多媒体数据段落之间的关联性连结也可以是在上传多媒体数据时就预先建立好，例如制作影片的专业人士于上传完成后就先将不同影片中有关联性的内容之间建立关联性连结。例如，英文讲师上传自己制作的多个英文教学影片后，就先将内容有关联的部分建立关联性连结。

于一实施例中，多媒体数据系统100没有将多媒体数据分段，直接根据多媒体数据A1、多媒体数据B1及多媒体数据C1的内容产生关连性连结。

在步骤S332中，操作数据包含评估数据，处理器120通过分析在步骤S320所产生的操作数据及对应于各个多媒体数据段落的难度，进一步产生对应于当前使用者的评估数据，评估数据包含评估对应于使用者对于多媒体数据段落的程度，以判断适合该使用者的多媒体数据段落。换句话说，处理器120通过评估数据能够判断使用者的程度。例如操作数据中统计使用者观看的多媒体数据的比例是以全民英检初级的比例最高，则处理器120判断对应于该使用者的程度为全民英检初级并产生对应的评估数据，将该使用者的程度评估为全民英检初级，评估的方式不以上述为限，也能够是其他统计方法及判断方法。

例如，评估数据的产生方法可以是根据分析上述实施例中各种方法所产生的操作数据进一步评估的结果。例如，线上测验的表现在全民英检中级的测验分数低于平均分数，则产生当前使用者的程度评估为全民英检初级的评估数据，处理器120通过评估数据就能得知当前使用者的程度。

于其他实施例中，在使用者装置200与多媒体系统100连线存取多媒体数据段落的情形下，多媒体数据系统100中会产生使用者的操作记录，且上述操作记录会存储于第二存储单元144中。操作记录包含使用者使用第一存储单元142中的多媒体数据段落时所产生的记录，操作记录代表使用者使用过的多媒体数据段落历史记录，分析操作记录的结果能够得知使用者较喜欢的多媒体数据段落种类或使用者的程度。通过分析操作记录，处理器120会进行操作记录的评估，评估对应于操作记录的多媒体数据段落喜好及程度，以判断适合该使用者的多媒体数据。

最后在步骤S340中，根据步骤S330中的关联性连结及操作数据，产生对应的推荐清单数据供使用者装置200显示推荐清单，并根据更新的关联性连结及操作数据以改变推荐清单的内容，下述以一实施例为例来进行说明。

请参考图4，图4示出根据本公开文件的一实施例的推荐清单的学习路径的示意图。图4包含多媒体数据A2～F2，通过上述的关联性连结及操作数据，处理器120会产生对应的推荐清单。于此实施例中，初始推荐清单包含多媒体数据A2及B2。当使用者观看多媒体数据A2及B2后，会产生对应的关联性连结及操作数据，再次通过关联性连结及操作数据，处理器120判断多媒体数据C2及多媒体数据E2中，使用者较适合接着观看多媒体数据C2，并将多媒体数据C2加入到推荐清单中，接着再次判断多媒体数据D2及多媒体数据F2，判断结果多媒体数据D2比多媒体数据F2较适合。因此最后学习路径为多媒体数据A2、B2、C2及D2。

例如，多媒体数据A2及C2为全民英检初级程度的课程影片，多媒体数据B2及E2为全民英检中级程度的课程影片。使用者观看多媒体数据A2时，没有暂停影片也没有讨论区发问的操作，线上测验的分数高于平均分数。观看多媒体数据B2时，暂停5次，讨论区发问2次，线上测验的分数低于平均分数并且花费时间高于平均时间，处理器120产生上述操作的操作数据。处理器120判断于多媒体数据B2与多媒体数据C2及E2的内容有关联性并建立关联性连结。而通过上述操作数据，处理器120产生将当前使用者的程度判断为全民英检初级程度而非全民英检中级程度的评估数据，进而将学习路径改为继续多媒体数据C2而非继续多媒体数据E2。多媒体数据D2及F2的情况与上述相似，处理器120判断当前使用者较适合多媒体数据D2而非多媒体数据F2。经过上述操作，最后推荐清单显示的多媒体数据为多媒体数据A2～D2，推荐给使用者的学习路径为多媒体数据A2到多媒体数据D2。

于一实施例中，除了上述于推荐清单中改变多媒体数据的顺序外，也可以于推荐清单中新增或移除多媒体数据以改变推荐清单的内容。例如，于上述实施例中，当使用者观看完多媒体数据D2后，处理器120根据使用者观看完多媒体数据D2后的操作数据，并产生对应的评估数据以判断多媒体数据D2对于当前使用者来说难易度是简单的，则可以新增并推荐与多媒体数据D2有关连性连结且难度更高的其他多媒体数据。

在一实施例中，存储装置140还包含分析端数据库，用以存储推荐清单及学习路径变化的结果，并实时存储使用者使用后的结果，处理器120进一步分析分析端数据库中的推荐清单数据及学习路径并更新推荐清单。因此，推荐清单的数据是随着使用者的行为及使用多媒体数据后的结果实时或定时更新。例如，处理器120可以设定一间隔时间更新推荐清单，例如每隔1小时就更新一次，设定间隔时间的方式不以上述为限。

综上所述，多媒体数据系统分析多媒体数据段落内容之间的关联性并建立关联性连结，分析使用者装置与多媒体数据系统互动的操作数据产生评估数据，通过使用者多媒体数据段落内容之间的关联性连结及评估数据，产生适合使用者的推荐清单，并随着使用者使用推荐清单上的多媒体数据段落及使用的行为实时或定期更新推荐清单，并将使用者所选择的学习路径结果存储，做为之后更新推荐清单的依据之一。

Claims (14)

1.一种多媒体数据推荐系统，包含：

一存储装置，包含：

一第一存储单元，用以存储多个多媒体数据段落；以及

一第二存储单元，通过网络与至少一使用者装置连接，并用以存储该至少一使用者装置与该多媒体数据系统互动而产生的操作数据；以及

一处理器，耦接该存储装置，用以分析该第一存储单元中的该些多媒体数据段落以产生该些多媒体数据段落间的多个关联性连结，以及分析该第二存储单元中的该些操作数据，并根据该些关联性连结及该些操作数据产生对应的一推荐清单，其中该推荐清单记载该些多媒体数据段落。

2.如权利要求1所述的多媒体数据推荐系统，其中该处理器是用以对至少一多媒体数据的内容进行分段，产生该些多媒体数据段落，并根据该些多媒体数据段落产生该些多媒体数据段落之间的该些关联性连结。

3.如权利要求2所述的多媒体数据推荐系统，其中该处理器是用以计算该些多媒体数据段落之间的相似度，并根据计算结果对该些多媒体数据段落中内容相关的部分产生该些关联性连结。

4.如权利要求1所述的多媒体数据推荐系统，其中该处理器包含：

一回应分析单元，其中该些操作数据包含对该些多媒体数据段落的至少一回应，该回应分析单元用以进行分析以取得对应于该些多媒体数据段落中的至少一问题的该至少一回应，其中该些操作数据还包含该回应分析单元分析对应该些多媒体数据段落的该至少一问题及该至少一回应的分析结果。

5.如权利要求1所述的多媒体数据推荐系统，其中该处理器包含：

一计时单元，用以计算该些多媒体数据段落的一播放时间，其中该些操作数据包括该些多媒体数据段落的该播放时间。

6.如权利要求5所述的多媒体数据推荐系统，其中该些多媒体数据段落各别对应一性质，并根据该性质以更新该些操作数据。

7.如权利要求6所述的多媒体数据推荐系统，其中该处理器根据更新的该些操作数据及该些关联性连结，以改变提供给该至少一使用者装置的该推荐清单的内容。

8.一种多媒体数据推荐方法，包含：

通过一第一存储单元，存储多个多媒体数据段落；

通过一第二存储单元，存储至少一使用者装置与一多媒体数据系统互动而产生的操作数据；

分析该第一存储单元中的该些多媒体数据段落之间的多个关联性连结；以及

分析该第二存储单元中的该些操作数据，并根据该些关联性连结及该些操作数据产生对应的一推荐清单，其中该推荐清单记载该些多媒体数据段落。

9.如权利要求8所述的多媒体数据推荐方法，还包含：

对至少一多媒体数据的内容进行分段，产生该些多媒体数据段落，并根据该些多媒体数据段落产生该些多媒体数据段落之间的该些关联性连结。

10.如权利要求9所述的多媒体数据推荐方法，还包含：

计算该些多媒体数据段落之间的相似度，并依据计算结果对该些多媒体数据段落中内容相关的部分产生该些关联性连结。

11.如权利要求8所述的多媒体数据推荐方法，其中分析该第二存储单元中的该些操作数据，并根据该些关联性连结及该些操作数据产生对应的该推荐清单的步骤包含：

分析该些多媒体数据段落中对应至少一问题的至少一回应以产生一分析结果。

12.如权利要求8所述的多媒体数据推荐方法，其中分析该第二存储单元中的该些操作数据，并根据该些关联性连结及该些操作数据产生对应的该推荐清单的步骤还包含：

计算该些多媒体数据段落的一播放时间。

13.如权利要求12所述的多媒体数据推荐方法，还包含：

根据对应该些多媒体数据段落的一性质，以更新该些操作数据。

14.如权利要求13所述的多媒体数据推荐方法，其中分析该第二存储单元中的该些操作数据，并根据该些关联性连结及该些操作数据产生对应的该推荐清单的步骤包含：

在产生该推荐清单后，根据更新的该些操作数据及该些关联性连结，以改变提供给该至少一使用者装置的该推荐清单的内容。

Images