CN116917923A - 内容推荐系统、内容推荐方法、内容库、用于生成内容库的方法和目标输入用户接口 - Google Patents

内容推荐系统、内容推荐方法、内容库、用于生成内容库的方法和目标输入用户接口 Download PDF

Info

Publication number
CN116917923A
CN116917923A CN202280018430.9A CN202280018430A CN116917923A CN 116917923 A CN116917923 A CN 116917923A CN 202280018430 A CN202280018430 A CN 202280018430A CN 116917923 A CN116917923 A CN 116917923A
Authority
CN
China
Prior art keywords
content
emotion
estimated
user
time
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.)
Pending
Application number
CN202280018430.9A
Other languages
English (en)
Inventor
胜原真央
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.)
Sony Group Corp
Original Assignee
Sony Group Corp
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 Sony Group Corp filed Critical Sony Group Corp
Publication of CN116917923A publication Critical patent/CN116917923A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/40—Information sensed or collected by the things relating to personal data, e.g. biometric data, records or preferences
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/20—Analytics; Diagnosis
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/30—Control

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Computing Systems (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Toxicology (AREA)
  • Biomedical Technology (AREA)
  • Environmental & Geological Engineering (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

[问题]为了推荐适合各个用户的内容。[解决手段]一种内容推荐系统，包括：生命特征量生成器，该生命特征量生成器获取时间顺序生命数据，该时间顺序生命数据是由生命传感器连续地并且按时间顺序感测的关于用户的生命数据，并且该生命特征量生成器从所述时间顺序生命数据生成时间顺序生命特征量数据；情绪估计计算器，该情绪估计计算器从所述时间顺序生命特征量数据生成作为所述用户的情绪的估计值的估计情绪值；推荐引擎，该推荐引擎获取从用户接口终端装置输入并且指示由所述用户设定为目标的情绪的目标情绪值，并且从内容库选择用于使所述估计情绪值到达所述目标情绪值的内容；和内容推荐部，该内容推荐部将所选择的内容推荐给所述用户接口终端装置。

Description

内容推荐系统、内容推荐方法、内容库、用于生成内容库的方 法和目标输入用户接口
技术领域
本公开涉及向用户接口终端装置推荐诸如一段乐曲之类的内容的内容推荐系统和内容推荐方法。本公开涉及用于选择要推荐的内容的内容库和用于生成内容库的方法。本公开涉及一种作为显示在用户接口终端装置上的图形用户接口的目标输入用户接口。
背景技术
通常，在推荐诸如一段乐曲和视频之类的内容时，使用包括用户的行为(诸如用户的购物历史或观看历史)以及一段乐曲的流派、韵律和节奏的元信息来根据一般解释为每个场景生成推荐列表，并且呈现所生成的推荐列表。
引用列表
专利文献
专利文献1：日本专利申请特许公开No.2018-195043
专利文献2：日本未审专利申请公开No.2016-532360
专利文献3：日本专利申请特许公开No.2018-159908
发明内容
技术问题
然而，上述基于一般性的推荐方法的使用导致难以知道用户的真实意图。违背用户的意图的推荐可能导致用户对推荐系统的信任程度的降低。因此，存在用户将不会使用该服务的可能性。
由于这个原因，取决于每个用户的心理状态的内容的推荐已被提出(专利文献1和专利文献2)。然而，这些方法是实际上使用估计来进行推荐的方法，并且因此几乎没有科学依据。此外，要推荐的内容是基于传统的元信息而选择的。这导致难以推荐适合于每个用户的内容。
鉴于上述情况，本公开的目的是推荐适合于每个用户的内容。
问题的解决方案
一种根据本公开的实施例的内容推荐系统包括：
生命特征量生成器，所述生命特征量生成器：
获取时间顺序生命数据，所述时间顺序生命数据是由生命传感器连续地并且按时间顺序感测的用户的生命数据，并且
从所述时间顺序生命数据生成时间顺序生命特征量数据；
情绪估计计算器，所述情绪估计计算器从所述时间顺序生命特征量数据生成作为所述用户的情绪的估计值的估计情绪值；
推荐引擎，所述推荐引擎：
获取通过用户接口终端装置输入并且指示作为所述用户的目标的情绪的目标情绪值，并且
从内容库选择用于从所述估计情绪值到达所述目标情绪值的内容；和
内容推荐部，所述内容推荐部将所选择的内容推荐给所述用户接口终端装置。
本实施例使得可以在更长时间段期间反映连续的并且按时间顺序的生命数据。这导致能够更精确地生成估计情绪值。因为估计情绪值更精确，所以能够选择更适合于从估计情绪值到达目标情绪值的内容。
在所述推荐引擎获取所述目标情绪值之前，
所述生命特征量生成器可以获取所述时间顺序生命数据以生成所述时间顺序生命特征量数据，并且
所述情绪估计计算器可以基于所述时间顺序生命特征量数据来生成所述估计情绪值。
在推荐引擎获取目标情绪值之前，生命特征量生成器获取时间顺序生命数据以生成时间顺序生命特征量数据，并且情绪估计计算器基于时间顺序生命特征量数据来生成估计情绪值。这使得与推荐引擎获取目标情绪值、然后时间顺序生命数据被获取以生成时间顺序生命特征量数据并且估计情绪值被生成的情况相比，可以在更长时间段期间反映连续的并且按时间顺序的生命数据。这导致能够更精确地生成估计情绪值。因为估计情绪值更精确，所以能够选择更适合于从估计情绪值到达目标情绪值的内容。
所述情绪估计计算器可以基于包括在所述时间顺序生命特征量数据中的最新生命特征量数据来生成所述估计情绪值，所述最新生命特征量数据是通过改变包括在所述时间顺序生命特征量数据中的先前生命特征量数据而获得的。
不仅最新生命特征量数据被输入到情绪估计计算器，而且时间顺序生命特征量数据(即，包括先前生命特征量数据)也被输入到情绪估计计算器。情绪估计计算器基于包括在时间顺序生命特征量数据中的最新生命特征量数据来生成估计情绪值，该最新生命特征量数据是通过改变包括在时间顺序生命特征量数据中的先前生命特征量数据而获得的。换句话说，情绪估计计算器生成用户的情绪的当前估计值，该值包括指示先前生命特征量数据已如何被改变为最新生命特征量数据的信息。换句话说，情绪估计计算器生成用户的情绪的当前估计值，该值包括指示在多个阶段中先前生命特征量数据已如何被改变的信息。这使得可以在更长时间段期间反映连续的并且按时间顺序的生命数据。这导致能够更精确地生成估计情绪值。
所述内容库可以在其中存储用于从多个不同估计情绪值中的每一个估计情绪值到达多个不同目标情绪值中的对应的一个目标情绪值的至少一条内容。
推荐引擎能够选择用于从估计情绪值到达目标情绪值的多条内容中的所有内容。
所述内容库可以具有包括所述多个不同估计情绪值和所述多个不同目标情绪值的二维矩阵的形式，并且
用于从所述多个不同估计情绪值中的每一个估计情绪值到达所述多个不同目标情绪值中的对应的一个目标情绪值的至少一条内容可以被登记在和与所述多个不同估计情绪值中的该一个估计情绪值和所述多个不同目标情绪值中的所述对应的一个目标情绪值对应的线的交叉点对应的部分中。
推荐引擎能够选择登记在和与估计情绪值和目标情绪值对应的线的交叉点对应的部分中的多条内容中的所有内容。
所述推荐引擎可以从所述内容库选择多条内容，
所述内容推荐系统还可以包括：
上下文信息生成器，所述上下文信息生成器生成关于所述用户的上下文信息；和
上下文处理器，所述上下文处理器基于所述上下文信息将所选择的多条内容缩减(narrow down)到至少一条内容，并且
所述内容推荐部可以推荐通过所述缩减而获得的所述至少一条内容。
基于由上下文信息生成器生成的上下文信息，云服务器的上下文处理器将由推荐引擎选择的多条内容缩减到至少一条内容。通常，上下文处理器将多条内容缩减到一条内容。然而，上下文处理器可以将多条内容缩减到多条内容。
所述内容库可以在其中存储用于从多个不同估计情绪值中的每一个估计情绪值到达多个不同目标情绪值中的对应的一个目标情绪值的多条内容，
多条不同上下文信息中的各条不同上下文信息可以分别与所述多条内容中的各条内容相关联，并且
所述上下文处理器可以将所选择的多条内容缩减到所生成的上下文信息所关联的至少一条内容。
多条不同上下文信息中的各条不同上下文信息分别与登记在内容库中的多条内容中的各条内容相关联。上下文处理器将选择的多条内容缩减到由上下文信息生成器生成的上下文信息所关联的至少一条内容。例如，推荐引擎选择“在锻炼期间”作为上下文信息所关联的内容，并且选择“在就寝时”作为上下文信息所关联的内容。当由上下文信息生成器生成的上下文信息是“在锻炼期间”时，上下文处理器将多条内容缩减到“在锻炼期间”作为上下文信息所关联的内容。上下文处理器可以不仅基于上下文信息而且还基于时间顺序生命数据和内容的元数据来缩减多条内容。例如，上下文处理器可以将多条内容缩减到包括在时间顺序生命数据中的用户的心跳及其节奏与之同步的内容(一段乐曲)。
从在所述内容被推荐之后获得的所述时间顺序生命特征量数据，所述情绪估计计算器可以生成作为所述用户的情绪的估计值的推荐后的估计情绪值，并且
所述内容推荐系统还可以包括库更新部，所述库更新部通过将所推荐的内容登记在每个用户的所述内容库中作为用于从所述估计情绪值到达所述推荐后的估计情绪值的内容来为每个用户更新所述内容库。
如上所述，每次一条内容被推荐时，库更新部给出关于内容库的反馈。这使得可以将初始内容库改变为为每个用户定制的特制内容库。
从在所述内容被推荐之后获得的所述时间顺序生命特征量数据，所述情绪估计计算器可以生成作为所述用户的情绪的估计值的推荐后的估计情绪值，
所述推荐引擎可以从所述内容库进一步选择用于从所述推荐后的估计情绪值到达所述目标情绪值的内容，并且
所述内容推荐部可以将进一步选择的内容推荐给所述用户接口终端装置。
在用户体验(例如，观看)内容之后，期望用户的情绪到达目标情绪值。换句话说，期望推荐后的估计情绪值到达目标情绪值。另一方面，存在这样的可能性：推荐的内容的体验将不会有效地作用于用户的情绪变化，并且推荐后的估计情绪值将不会到达目标情绪值。例如，存在这样的可能性：推荐后的估计情绪值将会保持不变或到达意外的情绪值。推荐后的估计情绪值的计算使得可以给出关于推荐的内容是否已有效地作用于用户的情绪变化(即，是否已到达目标情绪值)的反馈。
所述情绪估计计算器可以生成按时间次序获得的估计情绪值，并且
所述推荐引擎可以从所述内容库选择用于从包括在所述按时间次序获得的估计情绪值中的最新估计情绪值到达所述目标情绪值的内容，所述最新估计情绪值是从包括在所述按时间次序获得的估计情绪值中的先前估计情绪值到达的。
推荐引擎能够选择用于到达目标情绪值的内容，其包括指示先前估计情绪值已如何被改变为最新估计情绪值的信息。
所述内容库可以在其中存储用于从包括在所述按时间次序获得的估计情绪值中的最新估计情绪值到达所述目标情绪值的至少一条内容，所述最新估计情绪值是从包括在所述按时间次序获得的估计情绪值中的先前估计情绪值到达的。
内容库的这种配置使推荐引擎能够从内容库选择用于从包括在按时间次序获得的估计情绪值中的最新估计情绪值到达目标情绪值的内容，该最新估计情绪值是从包括在按时间次序获得的估计情绪值中的先前估计情绪值(例如，十分钟以前)到达的。
所述内容库可以在其中存储用于从多个不同先前估计情绪值中的每一个先前估计情绪值到达多个不同最新估计情绪值中的对应的一个最新估计情绪值并且从所述多个不同最新估计情绪值中的所述对应的一个最新估计情绪值到达多个不同目标情绪值中的对应的一个目标情绪值的至少一条内容。
内容库的这种配置使推荐引擎能够选择用于在多个阶段到达目标情绪值的内容，其中目标情绪值是从最新估计情绪值到达的，该最新估计情绪值是从先前估计情绪值到达的。
所述内容库可以具有包括所述多个不同先前估计情绪值、所述多个不同最新估计情绪值和所述多个不同目标情绪值的三维矩阵的形式，并且
用于从所述多个先前估计情绪值中的每一个先前估计情绪值到达所述多个最新估计情绪值中的对应的一个最新估计情绪值并且从所述多个最新估计情绪值中的所述对应的一个最新估计情绪值到达所述多个目标情绪值中的对应的一个目标情绪值的至少一条内容可以被登记在和与所述多个先前估计情绪值中的该一个先前估计情绪值、所述多个最新估计情绪值中的所述对应的一个最新估计情绪值和所述多个目标情绪值中的所述对应的一个目标情绪值对应的线的交叉点对应的部分中。
内容库的这种配置使推荐引擎能够选择用于在多个阶段到达目标情绪值的内容，其中目标情绪值是从最新估计情绪值到达的，该最新估计情绪值是从先前估计情绪值到达的。
所述情绪估计计算器可以计算所述用户具有处于特定情绪状态的情绪的概率，并且将所述概率设定为所述估计情绪值。
与程度不同并且由统计和概率值表示的概率的使用使得可以计算适当的估计情绪值。
所述概率可以对应于通过量化所述用户具有处于所述特定情绪状态的情绪的状态而获得的值。
通过量化而获得的值的使用使得可以更科学地估计用户的情绪。
所述情绪估计计算器
可以计算作为所述用户具有处于第一特定情绪状态的情绪的概率的第一概率和作为所述用户具有处于第二特定情绪状态的情绪的概率的第二概率，并且
可以基于所述第一概率和所述第二概率来生成所述估计情绪值。
处于多种类型的情绪状态的概率的计算导致增加能够更精确地估计用户的情绪的可能性。
所述第一特定情绪状态可以是觉醒(arousal)状态，
所述第一概率可以是所述用户具有处于觉醒状态的情绪的概率，
所述第二特定情绪状态可以是效价的愉快状态，并且
所述第二概率可以是所述用户具有处于愉快状态的情绪的概率。
情绪估计计算器使用模型，该模型使用罗素的环形模型。然而，情绪估计计算器的模型并不完全是罗素的环形模型。与在罗素的环形模型中采用的“程度”不同的“概率”的使用使得可以更科学地估计用户的情绪。
所述用户接口终端装置可以显示目标输入用户接口，所述目标输入用户接口是为了使用户输入所述目标情绪值而显示的GUI，
所述目标输入用户接口可以在其上在单轴方向上显示分别与处于所述特定情绪状态的高概率和低概率对应的多个不同区域，并且
所述用户可以选择所述多个不同区域中的一个区域以将位于所述多个不同区域中的所选择的一个区域中的所述概率输入到所述用户接口终端装置作为所述目标情绪值。
用户能够通过查看目标输入用户接口的坐标系来容易地以视觉方式选择目标区域。
所述目标输入用户接口可以在其上在双轴方向的矩阵中显示多个不同区域，所述多个不同区域是分别与高第一概率和高第二概率的组合、高第一概率和低第二概率的组合、低第一概率和低第二概率的组合以及低第一概率和高第二概率的组合对应的多个不同区域，所述第一概率是所述用户具有处于第一特定情绪状态的情绪的概率，所述第二概率是所述用户具有处于第二特定情绪状态的情绪的概率，并且
所述用户可以选择所述多个不同区域中的一个区域以将位于所述多个不同区域中的所选择的一个区域中的所述第一概率和所述第二概率的组合输入到所述用户接口终端装置作为所述目标情绪值。
用户能够通过查看双轴方向的矩阵中的坐标系来容易地以视觉方式选择目标区域。
所述用户接口终端装置可以获取所生成的估计情绪值，并且
所述目标输入用户接口可以在所述多个不同区域中所包括并且所述估计情绪值所位于的区域上显示表示所述估计情绪值的对象。
当用户查看显示在区域上的对象时，用户理解该区域在整个坐标系中的相对位置，其中表示估计情绪值的对象被显示在该区域上。习惯于查看目标输入用户接口的用户以视觉方式理解该用户的当前情绪。此外，用户理解他/她的当前情绪的相对评估。这使用户能够容易地确定他/她的目标情绪。例如，当用户查看目标输入用户接口的坐标系时，用户容易地想到使他/她的情绪从当前区域到达目标的另一区域。
所述用户可以通过从在其上显示表示所述估计情绪值的对象的所述区域滑动(swipe)到所述多个不同区域中所包括并且所述目标情绪值所位于的区域来将所述目标情绪值输入到所述用户接口终端装置。
滑动使用户能够直观地输入从当前情绪到达用户想要具有的感情。
在分别与处于所述特定情绪状态的高概率和低概率对应的所述多个不同区域中的各区域上，所述目标输入用户接口可以显示表示各情绪状态的象形图，所述各情绪状态分别表示高概率和低概率。
用户能够通过查看象形图来容易地确定他/她的目标情绪。此外，当表示用户的情绪的估计值的对象(在这个示例中是星形标记)被显示在显示象形图的坐标系上时，用户容易地以视觉方式理解他/她的当前情绪。
所述内容库可以通过包括以下的处理来生成：
在受控环境中获取多个受验者的多条时间顺序生命数据，所述多条时间顺序生命数据是由各生命传感器连续地并且按时间顺序感测的，
从所述多个受验者的所述多条时间顺序生命数据生成所述多个受验者的多条时间顺序生命特征量数据，
从所述多个受验者的所述多条时间顺序生命特征量数据生成所述多个受验者的估计情绪值，
使所述多个受验者中的每个受验者在所述受控环境中体验内容，
从体验各条内容后的所述多个受验者的所述多条时间顺序生命数据生成所述多个受验者的所述多条时间顺序生命特征量数据，
从体验各条内容后的所述多个受验者的所述多条时间顺序生命特征量数据，生成在所述多个受验者中的受验者体验各条内容之后获得的估计情绪值，并且
将所体验的内容登记在所述内容库中作为用于从所述估计情绪值到达在受验者体验所述内容之后获得的估计情绪值的内容。
这使得可以科学地生成适当的初始内容库，而不仅仅取决于例如内容的元数据或节奏。
所述生命传感器可以被包括在可穿戴设备中，并且
所述生命传感器可以通过脑波测量、体积描记术、皮肤电导测量、激光多普勒、使用RGB相机进行的图像捕获和/或使用热成像相机进行的图像捕获来获取脑波、脉搏波、脉搏、血压、血流、出汗、呼吸和/或体温的数据作为所述生命数据。
将生命传感器包括在可穿戴设备中使生命传感器能够容易地更连续地并且按时间顺序感测用户的生命数据。
所述上下文信息生成器可以基于从由所述生命传感器获取的所述时间顺序生命数据生成的所述时间顺序生命特征量数据、所述用户的环境的环境数据和/或所述用户的活动状态来生成所述上下文信息。
云服务器的上下文信息生成器能够基于时间顺序生命数据(诸如脑波、脉搏波、脉搏、血压、血流、出汗、呼吸和/或体温)、环境数据(诸如温度、湿度和光照强度)和/或用户的活动状态(诸如用户是否正在锻炼)来生成关于用户的上下文信息。上下文信息可以包括任何种类的上下文，诸如时间、位置和活动的细节(例如，在锻炼期间、在去上班期间、在工作中、在驾驶期间、在起床时和在就寝时)。
从所述时间顺序生命特征量数据和所述上下文信息，所述情绪估计计算器可以生成作为所述用户的情绪的估计值的估计情绪值。
与情绪估计计算器仅基于生命特征量数据(即，不使用上下文信息)来生成估计情绪值的情况相比，能够生成更精确的估计情绪值。
一种根据本公开的实施例的内容推荐方法包括：
获取时间顺序生命数据，所述时间顺序生命数据是由生命传感器连续地并且按时间顺序感测的用户的生命数据；
从所述时间顺序生命数据生成时间顺序生命特征量数据；
从所述时间顺序生命特征量数据生成作为所述用户的情绪的估计值的估计情绪值；
获取通过用户接口终端装置输入并且指示作为所述用户的目标的情绪的目标情绪值；
从内容库选择用于从所述估计情绪值到达所述目标情绪值的内容；并且
将所选择的内容推荐给所述用户接口终端装置。
一种根据本公开的实施例的内容库是通过包括以下的处理而生成的：
在受控环境中获取多个受验者的多条时间顺序生命数据，所述多条时间顺序生命数据是由各生命传感器连续地并且按时间顺序感测的；
从所述多个受验者的所述多条时间顺序生命数据生成所述多个受验者的多条时间顺序生命特征量数据；
从所述多个受验者的所述多条时间顺序生命特征量数据生成所述多个受验者的估计情绪值；
使所述多个受验者中的每个受验者在所述受控环境中体验内容；
从体验各条内容后的所述多个受验者的所述多条时间顺序生命数据生成所述多个受验者的所述多条时间顺序生命特征量数据；
从体验各条内容后的所述多个受验者的所述多条时间顺序生命特征量数据，生成在所述多个受验者中的受验者体验各条内容之后获得的估计情绪值；并且
将所体验的内容登记在所述内容库中作为用于从所述估计情绪值到达在受验者体验所述内容之后获得的估计情绪值的内容。
一种用于生成内容库的方法是根据本公开的实施例的方法，并且包括：
在受控环境中获取多个受验者的多条时间顺序生命数据，所述多条时间顺序生命数据是由各生命传感器连续地并且按时间顺序感测的；
从所述多个受验者的所述多条时间顺序生命数据生成所述多个受验者的多条时间顺序生命特征量数据；
从所述多个受验者的所述多条时间顺序生命特征量数据生成所述多个受验者的估计情绪值；
使所述多个受验者中的每个受验者在所述受控环境中体验内容；
从体验各条内容后的所述多个受验者的所述多条时间顺序生命数据生成所述多个受验者的所述多条时间顺序生命特征量数据；
从体验各条内容后的所述多个受验者的所述多条时间顺序生命特征量数据，生成在所述多个受验者中的受验者体验各条内容之后获得的估计情绪值；并且
将所体验的内容登记在所述内容库中作为用于从所述估计情绪值到达在受验者体验所述内容之后获得的估计情绪值的内容。
根据本公开的实施例的目标输入用户接口是用户接口终端装置为了使用户输入目标情绪值而显示的GUI，所述用户接口终端装置被包括在内容推荐系统中，所述内容推荐系统包括：
生命特征量生成器，所述生命特征量生成器：
获取时间顺序生命数据，所述时间顺序生命数据是由生命传感器连续地并且按时间顺序感测的用户的生命数据，并且
从所述时间顺序生命数据生成时间顺序生命特征量数据；
情绪估计计算器，所述情绪估计计算器从所述时间顺序生命特征量数据生成作为所述用户的情绪的估计值的估计情绪值；
推荐引擎，所述推荐引擎：
获取通过所述用户接口终端装置输入并且指示作为所述用户的目标的情绪的目标情绪值，并且
从内容库选择用于从所述估计情绪值到达所述目标情绪值的内容；和
内容推荐部，所述内容推荐部将所选择的内容推荐给所述用户接口终端装置，
所述目标输入用户接口在其上在单轴方向上显示分别与处于特定情绪状态的高概率和低概率对应的多个不同区域，
所述用户选择所述多个不同区域中的一个区域，
位于所述多个不同区域中的所选择的一个区域中的所述概率被输入到所述用户接口终端装置作为所述目标情绪值。
附图说明
图1图示了根据本公开的实施例的内容推荐系统的概述。
图2图示了内容推荐系统的功能配置。
图3图示了内容推荐系统的操作的流程。
图4是用于描述情绪估计计算器的模型的图。
图5图示了目标输入用户接口的示例。
图6图示了内容库的示例。
图7图示了用于生成内容库的方法。
图8图示了根据第一变型的目标输入用户接口。
图9图示了根据第二变型的目标输入用户接口。
图10图示了根据第三变型的目标输入用户接口。
图11图示了根据第四变型的目标输入用户接口。
具体实施方式
现在将在下文参照附图描述根据本公开的实施例。
I.第一实施例
1.内容推荐系统的概述
图1图示了根据本公开的实施例的内容推荐系统的概述。
内容推荐系统1包括至少一个可穿戴设备100、至少一个环境传感器200、用户接口终端装置300和云服务器400。
至少一个可穿戴设备100的示例包括耳垫、耳机、智能手表、腕带健身追踪器和衣服可穿戴设备。至少一个可穿戴设备100由一个用户穿戴。至少一个可穿戴设备100在下文中被简单统称为可穿戴设备100。可穿戴设备100包括至少一个生命传感器101。至少一个生命传感器101在下文中被简单统称为生命传感器101。
生命传感器101连续地并且按时间顺序感测穿戴着可穿戴设备100的用户的生命数据。生命传感器101使用例如脑波测量、体积描记术、皮肤电导测量、激光多普勒、使用RGB相机进行的图像捕获和/或使用热成像相机进行的图像捕获的方法来获取例如脑波、脉搏波、脉搏、血压、血流、出汗、呼吸和/或体温的数据作为生命数据。
至少一个环境传感器200的示例包括温度传感器、湿度传感器和光照强度传感器。至少一个环境传感器200在下文中被简单统称为环境传感器200。环境传感器200感测例如温度、湿度和光照强度(环境数据)。环境传感器200可以被包括在用户接口终端装置300中，可以被包括在可穿戴设备100中，或者可以是独立于用户接口终端装置300和可穿戴设备100的外部设备。
用户接口终端装置300的示例包括智能电话、平板计算机和个人计算机。用户接口终端装置300包括显示设备和输入设备。通常，显示设备和输入设备对应于整体地包括显示功能和输入功能的触摸面板。可替代地，输入设备可以独立于作为显示设备的显示器。在这种情况下，输入设备可以包括例如机械开关、滚轮、鼠标、键盘、用于声音输入的麦克风。
用户接口终端装置300执行内容提供应用程序310(参照图2)。内容提供应用程序310是通过用户接口终端装置300和云服务器400协同工作而提供的web应用。内容提供应用程序310向用户推荐内容(诸如一段乐曲和运动图像)，并且将所推荐的内容提供给用户(通过例如流式传输)。
此外，用户接口终端装置300从可穿戴设备100获取由生命传感器101连续地并且按时间顺序感测的用户的生命数据，并且获取由环境传感器200感测的环境数据。用户接口终端装置300基于例如所获取的生命数据和环境数据、由用户接口终端装置300获取的位置信息(GPS信息和无线LAN信息)和加速度数据来确定用户的活动状态(诸如用户是否正在锻炼)。内容提供应用程序310可以确定用户的活动状态。可替代地，另一应用程序(诸如管理健身追踪器的应用程序)可以确定用户的活动状态，并且内容提供应用程序310可以使用通过该确定而获得的信息。
用户接口终端装置300定期地向云服务器400发送由生命传感器101连续地并且按时间顺序感测的用户的生命数据、由环境传感器200感测的环境数据和由用户接口终端装置300确定的指示用户的活动状态的信息。注意，由用户接口终端装置300进行的向云服务器400发送数据和信息仅是示例。作为代替，可穿戴设备100和环境传感器200可以分别直接向云服务器400发送生命数据和环境数据，而不使用用户接口终端装置300。可替代地，可穿戴设备100可以基于例如生命数据来确定用户的活动状态。在这种情况下，可穿戴设备100可以通过用户接口终端装置300或在不使用用户接口终端装置300的情况下向云服务器400发送用户的活动状态。换句话说，如果云服务器400被允许获取连续地并且按时间顺序感测的用户的生命数据、环境数据和指示用户的活动状态的信息，则任何方法可以被采用。可替代地，云服务器400可以基于指示所接收的生命数据和环境数据的信息来生成指示用户的活动状态的信息。
云服务器400由多个硬件资源和多个软件资源实现。云服务器400获取连续地并且按时间顺序感测的用户的生命数据、环境数据和指示用户的活动状态的信息。基于生命数据、指示环境状态的信息和用户的活动状态，云服务器400选择要推荐给用户的内容，并且将所选择的内容推荐给用户接口终端装置300的内容提供应用程序310。
2.内容推荐系统的功能配置
图2图示了内容推荐系统的功能配置。
存储在ROM中的信息处理程序被加载到RAM中，并且由处理器执行。因此，云服务器400作为生命特征量生成器401、上下文信息生成器402、情绪估计计算器403、推荐引擎404、上下文处理器405和内容推荐部406进行操作。云服务器400在非暂态计算机可读存储装置中存储内容库410。注意，作为云服务器400的功能部的一部分的生命特征量生成器401、上下文信息生成器402和情绪估计计算器403的至少一部分可以由用户接口终端装置300来实现。
3.内容推荐系统的操作的流程
图3图示了内容推荐系统的操作的流程。
步骤S101：开始生成生命特征量数据
假设可穿戴设备100的生命传感器101在无需来自用户接口终端装置300或云服务器400的触发的情况下连续地并且按时间顺序感测用户的生命数据(以下称为时间顺序生命数据)。
当云服务器400的生命特征量生成器401获取由生命传感器101连续地并且按时间顺序感测的时间顺序生命数据时，生命特征量生成器401开始从时间顺序生命数据生成时间顺序生命特征量数据，并且持续生成生命特征量数据。换句话说，生命特征量生成器401开始获取时间顺序生命数据，然后，在无需任何其他触发的情况下，生命特征量生成器401开始从时间顺序生命数据生成时间顺序生命特征量数据并且持续生成生命特征量数据。例如，生命特征量生成器401对时间顺序生命数据进行信号处理(诸如去噪)以生成时间顺序生命特征量数据。
步骤S102：生成上下文信息
云服务器400的上下文信息生成器402基于时间顺序生命数据(诸如脑波、脉搏波、脉搏、血压、血流、出汗、呼吸和/或体温)、环境数据(诸如温度、湿度和光照强度)和/或用户的活动状态(诸如用户是否正在锻炼)来生成关于用户的上下文信息。上下文信息可以包括任何种类的上下文，诸如时间、位置和活动的细节(例如，在锻炼期间、在去上班期间、在工作中、在驾驶期间、在起床时和在就寝时)。
步骤S103：生成估计情绪值
由生命特征量生成器401生成的时间顺序生命特征量数据和由上下文信息生成器402生成的上下文信息被输入到云服务器400的情绪估计计算器403。情绪估计计算器403使用用于从输入的时间顺序生命特征量数据和上下文信息生成用户的情绪的估计值(以下称为估计情绪值)的模型。情绪估计计算器403使用模型，该模型使用罗素的环形模型。注意，仅时间顺序生命特征量数据可被输入到情绪估计计算器403，并且情绪估计计算器403可以仅基于生命特征量数据(即，不使用上下文信息)来生成估计情绪值。
不仅最新生命特征量数据被输入到情绪估计计算器403，而且时间顺序生命特征量数据(即，包括先前生命特征量数据)也被输入到情绪估计计算器403。情绪估计计算器403基于包括在时间顺序生命特征量数据中的最新生命特征量数据来生成估计情绪值，该最新生命特征量数据是通过改变包括在时间顺序生命特征量数据中的先前生命特征量数据而获得的。换句话说，情绪估计计算器403生成用户的情绪的当前估计值，该值包括指示先前生命特征量数据已如何被改变为最新生命特征量数据的信息。换句话说，情绪估计计算器403生成用户的情绪的当前估计值，该值包括指示在多个阶段中先前生命特征量数据已如何被改变的信息。
图4是用于描述情绪估计计算器的模型的图。
在罗素的环形模型中，觉醒轴表示在从困倦(sleepiness)到觉醒的范围中用户的情绪处于觉醒状态的程度，如图中左侧所示。具体地，觉醒轴在处于更靠近觉醒轴的顶部的位置指示更高程度的觉醒，并且在处于更靠近觉醒轴的底部的位置指示更低程度的觉醒(即，更高程度的困倦)。此外，效价轴表示在从不愉快到愉快的范围中用户的情绪处于愉快状态的程度。具体地，效价轴在处于更靠近效价轴的右端的位置指示更愉快的感情，并且在处于更靠近效价轴的左端的位置指示更不太愉快的感情(即，更不愉快的感情)。
另一方面，在情绪估计计算器403的模型中，觉醒轴表示用户具有处于觉醒状态的情绪的概率，并且效价轴表示用户具有处于愉快状态的情绪的概率，如图中右侧所示。概率由统计和概率值表示，并且不同于在罗素的环形模型中采用的“程度”。概率对应于通过量化用户具有处于特定情绪状态(觉醒状态、愉快状态)的情绪的状态而获得的值。通过量化而获得的值的使用使得可以更科学地估计用户的情绪。
情绪估计计算器403使用输入的时间顺序生命特征量数据来计算用户具有处于特定情绪状态的情绪的概率，并且将计算出的概率设定为估计情绪值。具体地，情绪估计计算器403计算用户具有处于觉醒状态(第一特定情绪状态)的情绪的概率(第一概率)。情绪估计计算器403计算用户具有处于效价的愉快状态(第二特定情绪状态)的情绪的概率(第二概率)。情绪估计计算器403基于用户具有处于觉醒状态的情绪的概率(第一概率)和用户具有处于愉快状态的情绪的概率(第二概率)来生成估计情绪值。处于多种类型的情绪状态的概率的计算导致增加能够更精确地估计用户的情绪的可能性。
如图中右侧所示，估计情绪值被分类到矩阵中的四个象限中，其中用户具有处于觉醒状态的情绪的高概率或低概率和用户具有处于愉快状态的情绪的高概率或低概率被组合使用。当计算出的估计情绪值位于区域(1)中时，这意味着用户具有处于觉醒状态的情绪的概率高并且用户具有处于愉快状态的情绪的概率高。当计算出的估计情绪值位于区域(2)中时，这意味着用户具有处于觉醒状态的情绪的概率低并且用户具有处于愉快状态的情绪的概率高。当计算出的估计情绪值位于区域(3)中时，这意味着用户具有处于觉醒状态的情绪的概率低并且用户具有处于愉快状态的情绪的概率低。当计算出的估计情绪值位于区域(4)中时，这意味着用户具有处于觉醒状态的情绪的概率高并且用户具有处于愉快状态的情绪的概率低。
注意，估计情绪值不一定必须被分类到四个象限中。估计情绪值可以被分类到通过将四个象限中的每个象限划分为“2×2”而获得的16个象限中。此外，每个象限可以被划分为更小的部分(最终，直至坐标水平)以将估计情绪值分类到更大数量的象限中。此外，可以仅使用觉醒轴和效价轴之一以将估计情绪值分类到两个象限(例如，处于觉醒状态的高概率和低概率)中。如上所述，如果估计情绪值被分类到至少两个象限中，则这就足够了。
情绪估计计算器403将所生成的估计情绪值输入到推荐引擎404。假设在这个示例中，由情绪估计计算器403计算出的估计情绪值是指示用户具有处于觉醒状态的情绪的低概率和用户具有处于愉快状态的情绪的低概率的值，并且由情绪估计计算器403计算出的估计情绪值位于区域(3)中。
在步骤S104中，云服务器400的推荐引擎404确定推荐引擎404是否已向该用户推荐内容。当推荐引擎404已确定推荐引擎404以前从未向该用户推荐内容时(步骤S104，“否”)，处理前进至步骤S105。
步骤S105：在目标输入用户接口上显示估计情绪值
由情绪估计计算器403生成的估计情绪值被输入到云服务器400的推荐引擎404。推荐引擎404向用户接口终端装置300供给由情绪估计计算器403生成的估计情绪值。
用户接口终端装置300从云服务器400获取估计情绪值。用户接口终端装置300在显示设备(诸如触摸面板)上显示目标输入用户接口320。目标输入用户接口320是GUI，该GUI被显示以向用户显示估计情绪值321，并且该GUI被显示以便用户输入作为该用户的目标的情绪(以下称为目标情绪值)322。换句话说，作为用户的目标的情绪是用户想要具有的感情。注意，内容提供应用程序310可以被用于显示目标输入用户接口320。可替代地，独立于内容提供应用程序310的应用程序可以被用于显示目标输入用户接口320。
图5图示了目标输入用户接口的示例。
如图中左侧所示，目标输入用户接口320的基本屏幕由矩阵中的坐标系表示，如情绪估计计算器403的模型的情况中那样。换句话说，目标输入用户接口320的基本屏幕在其上在双轴方向的矩阵中显示多个不同区域(1)到(4)，该多个不同区域(1)到(4)是分别与用户具有处于觉醒状态(第一特定情绪状态)的情绪的高概率(第一概率)和用户具有处于效价的愉快状态(第二特定情绪状态)的情绪的高概率(第二概率)的组合、高第一概率和低第二概率的组合、低第一概率和低第二概率的组合以及低第一概率和高第二概率的组合对应的多个不同区域。
如图的中间部分中所示，目标输入用户接口320在从云服务器400获取的估计情绪值所位于的区域(3)上显示表示估计情绪值的对象(在这个示例中是星形标记)。
当用户查看显示在区域(3)上的对象时，用户理解区域(3)在整个坐标系中的相对位置，其中表示估计情绪值的对象被显示在区域(3)上。习惯于查看目标输入用户接口320的用户以视觉方式理解该用户当前具有处于觉醒状态的情绪的概率低并且该用户当前具有处于愉快状态的情绪的概率低。此外，用户理解他/她的当前情绪的相对评估。这使用户能够容易地确定他/她的目标情绪。例如，当用户查看目标输入用户接口320的坐标系时，用户容易地想到使他/她的情绪从区域(3)到达目标的另一区域。例如，用户想到使当前估计情绪值(区域(3)：处于觉醒状态的低概率和处于愉快状态的低概率)到达目标情绪值(区域(1)：处于觉醒状态的高概率和处于愉快状态的高概率)。
步骤S106：输入目标情绪值
如图中右侧所示，用户选择区域之一(在本示例中是区域(1))。例如，用户从区域(3)滑动到区域(1)，其中表示估计情绪值的对象被显示在区域(3)上并且目标情绪值位于区域(1)中。滑动使用户能够直观地输入从当前情绪到达用户想要具有的感情。此外，用户可以轻敲(tap)目标情绪值所位于的区域(1)。此外，用户可以说出目标情绪值所位于的区域(1)的编号(1)以利用声音进行输入。这导致用户将位于所选择的区域(1)中的概率输入到用户接口终端装置300作为目标情绪值。如上所述，用户选择区域之一(在这个示例中是区域(1))，并且这导致用户将位于所选择的区域(1)中的第一概率和第二概率的组合(处于觉醒状态的高概率和处于愉快状态的高概率)输入到用户接口终端装置300作为目标情绪值。
用户接口终端装置300向云服务器400供给由用户输入的目标情绪值。
步骤S107：从内容库选择内容
云服务器400的推荐引擎404获取通过用户接口终端装置300输入的目标情绪值。推荐引擎404从内容库410选择用于从由情绪估计计算器403生成的估计情绪值到达由用户输入的目标情绪值的内容(诸如一段乐曲和运动图像)。
图6图示了内容库的示例。
内容库410在其中存储用于从多个不同估计情绪值中的每一个估计情绪值到达多个不同目标情绪值中的对应的一个目标情绪值的至少一条内容。具体地，内容库410具有二维矩阵的形式，该二维矩阵包括多个不同估计情绪值(1)到(4)和多个不同目标情绪值(1')到(4')。用于从该多个估计情绪值中的每一个估计情绪值到达该多个目标情绪值中的对应的一个目标情绪值的多条内容(精确地讲，是关于内容的识别的识别信息和关于对内容的访问的访问信息，并且这同样适用于下面的描述)被登记在和与估计情绪值和目标情绪值对应的线的交叉点对应的部分中。例如，多条内容被登记在和与估计情绪值(3)和目标情绪值(1')对应的线的交叉点对应的部分中。注意，通常，多条内容被登记在与交叉点对应的部分中，但登记的内容的条数可以是一条。多条不同上下文信息中的各条不同上下文信息分别与登记在与交叉点对应的部分中的多条内容中的各条内容相关联。例如，作为上下文信息，“在锻炼期间”与登记在与特定交叉点对应的部分中的内容相关联，并且作为上下文信息，“在就寝时”与登记在与该特定交叉点对应的该部分中的另几条内容相关联。
此外，内容库410包括用作参考的初始内容库410和为每个用户定制的特制内容库410。对于推荐引擎404以前从未向其推荐内容的用户(步骤S104，“否”)，推荐引擎404使用初始内容库410。另一方面，对于推荐引擎404已向其推荐内容的用户(步骤S104，“是”)，推荐引擎404使用为每个用户定制的内容库410。
推荐引擎404从内容库410选择多条内容。在这个示例中，推荐引擎404选择用于从估计情绪值(3)到达目标情绪值(1')的多条内容中的所有内容。换句话说，推荐引擎404选择登记在和与估计情绪值(3)和目标情绪值(1')对应的线的交叉点对应的部分中的多条内容中的所有内容。
这里，在推荐引擎404获取目标情绪值(步骤S106)之前，生命特征量生成器401获取时间顺序生命数据以生成时间顺序生命特征量数据(步骤S101)，并且情绪估计计算器403基于时间顺序生命特征量数据来生成估计情绪值(步骤S103)。这使得与推荐引擎404获取目标情绪值、然后时间顺序生命数据被获取以生成时间顺序生命特征量数据并且估计情绪值被生成的情况相比，可以在更长时间段期间反映连续的并且按时间顺序的生命数据。这导致能够更精确地生成估计情绪值。因为估计情绪值更精确，所以能够选择更适合于从估计情绪值到达目标情绪值的内容。
步骤S108：输入上下文信息
由上下文信息生成器402生成的上下文信息(步骤S102)被输入到云服务器400的上下文处理器405。
步骤S109：缩减多条内容
基于由上下文信息生成器402生成的上下文信息，云服务器400的上下文处理器405将由推荐引擎404选择的多条内容缩减到至少一条内容。通常，上下文处理器405将多条内容缩减到一条内容。然而，上下文处理器405可以将多条内容缩减到多条内容。如上所述，多条不同上下文信息中的各条不同上下文信息分别与登记在内容库410中的多条内容中的各条内容相关联。上下文处理器405将选择的多条内容缩减到由上下文信息生成器402生成的上下文信息所关联的至少一条内容。例如，推荐引擎404选择“在锻炼期间”作为上下文信息所关联的内容，并且选择“在就寝时”作为上下文信息所关联的内容。当由上下文信息生成器402生成的上下文信息是“在锻炼期间”时，上下文处理器405将多条内容缩减到“在锻炼期间”作为上下文信息所关联的内容。上下文处理器405可以不仅基于上下文信息而且还基于时间顺序生命数据和内容的元数据来缩减多条内容。例如，上下文处理器405可以将多条内容缩减到包括在时间顺序生命数据中的用户的心跳及其节奏与之同步的内容(一段乐曲)。
步骤S110：推荐内容
云服务器400的内容推荐部406向用户接口终端装置300推荐通过选择和缩减而获得的内容。
用户接口终端装置300的内容提供应用程序310提供所推荐的内容(通过例如流式传输)。
步骤S110之后：循环
在步骤S101的处理之后的处理中，云服务器400的生命特征量生成器401持续生成时间顺序生命特征量数据。换句话说，生命特征量生成器401通过添加最新生命特征量数据来持续更新时间顺序生命特征量数据。
从在内容推荐部406推荐内容之后获得的时间顺序生命特征量数据和上下文信息，情绪估计计算器403生成作为用户的情绪的估计值的推荐后的估计情绪值(步骤S103)。
当云服务器400的推荐引擎404确定推荐引擎404已向该用户推荐内容时(步骤S104，“是”)，处理前进至步骤S111。
步骤S111：更新内容库
在这个示例中，云服务器400向用户推荐用于从估计情绪值(3)到达目标情绪值(1')的内容(步骤S110)。因此，在用户体验(例如，观看)该内容之后，期望用户的情绪到达目标情绪值(1')(即，用户具有处于觉醒状态的情绪的概率高并且用户具有处于愉快状态的情绪的概率高)。换句话说，期望推荐后的估计情绪值到达目标情绪值(1')。另一方面，存在这样的可能性：推荐的内容的体验(例如，观看)将不会有效地作用于用户的情绪变化，并且推荐后的估计情绪值将不会到达目标情绪值(1')。例如，存在这样的可能性：推荐后的估计情绪值将会在(3')处保持不变或者到达(2')或(4')。推荐后的估计情绪值的计算使得可以给出关于推荐的内容是否已有效地作用于用户的情绪变化(即，是否已到达目标情绪值(1'))的反馈。
云服务器400的库更新部407通过将推荐的内容登记在每个用户的内容库中作为用于从估计情绪值到达推荐后的估计情绪值的内容来为每个用户更新内容库。在这个示例中，当推荐后的估计情绪值已从估计情绪值(3)到达目标情绪值(1')时，库更新部407将推荐的内容标记为具有高概率的内容。
另一方面，当推荐后的估计情绪值在(3')处保持不变时，库更新部407从该用户的内容库410中和与估计情绪值(3)和目标情绪值(1')对应的线的交叉点对应的部分删除推荐的内容，并且将推荐的内容登记在和与估计情绪值(3)对应的线和与目标情绪值(3')对应的线的交叉点对应的部分中。当推荐后的估计情绪值到达(2')或(4')时，库更新部407从该用户的内容库410中和与估计情绪值(3)和目标情绪值(1')对应的线的交叉点对应的部分删除推荐的内容，并且将推荐的内容登记在和与估计情绪值(3)对应的线和与目标情绪值(2')或(4')对应的线的交叉点对应的部分中。
如上所述，每次一条内容被推荐时，库更新部407给出关于内容库410的反馈。这使得可以将初始内容库410改变为为每个用户定制的特制内容库410。
步骤S105：在目标输入用户接口上显示估计情绪值
由情绪估计计算器403生成的推荐后的估计情绪值被输入到云服务器400的推荐引擎404。推荐引擎404向用户接口终端装置300供给由情绪估计计算器403生成的推荐后的估计情绪值。
用户接口终端装置300从云服务器400获取推荐后的估计情绪值。用户接口终端装置300在显示设备(诸如触摸面板)上显示目标输入用户接口320。目标输入用户接口320在从云服务器400获取的推荐后的估计情绪值所位于的区域上显示表示估计情绪值的对象(在这个示例中是星形标记)。
当用户查看显示在区域上的对象时，用户理解推荐后的估计情绪值是否已到达作为该用户的目标的区域(该用户已在步骤S106中滑动到的区域)。
步骤S106：输入目标情绪值
当推荐后的估计情绪值未到达作为该用户的目标的区域时，用户可以通过再次滑动到或再次轻敲先前输入的估计情绪值所位于的区域来新输入先前输入的估计情绪值。可替代地，当用户想要另一区域成为该用户的目标时，用户可以通过滑动到或轻敲该另一区域来新输入另一目标情绪值。注意，当作为用户的目标的区域相对于先前已进行输入的区域保持不变时，如果用户不在目标情绪值所位于的区域上再次进行输入，则这将不会是问题。
当用户已新输入目标情绪值时，用户接口终端装置300向云服务器400供给新输入的目标情绪值。
步骤S107：从内容库选择内容
云服务器400的推荐引擎404新获取通过用户接口终端装置300输入的目标情绪值。推荐引擎404从内容库410选择用于从由情绪估计计算器403生成的推荐后的估计情绪值到达由用户新输入的目标情绪值的内容。
另一方面，当用户未新输入目标情绪值时，推荐引擎404不从用户接口终端装置300新获取目标情绪值。在这种情况下，推荐引擎404从内容库410进一步选择用于从推荐后的估计情绪值到达先前输入的目标情绪值的内容。在这个示例中，当推荐后的估计情绪值已从估计情绪值(3)到达目标情绪值(1')时，推荐引擎404选择用于从推荐后的估计情绪值(1)到达目标情绪值(1')的内容。另一方面，当推荐后的估计情绪值在(3')处保持不变时，推荐引擎404选择用于从推荐后的估计情绪值(3)到达目标情绪值(1')的内容。当推荐后的估计情绪值已到达(2')或(4')时，推荐引擎404选择用于从推荐后的估计情绪值(2)或(4)到达目标情绪值(1')的内容。
此后，云服务器400输入上下文信息(步骤S108)，缩减多条内容(步骤S109)，并且推荐内容(步骤S110)，如第一轮的情况中那样。
4.用于生成内容库的方法
图7图示了用于生成内容库的方法。
描述了用于生成用作参考的初始内容库410的方法。信息处理装置(诸如计算机，未示出)生成初始内容库410以将所生成的初始内容库410存储在云服务器400中。
在没有干扰的受控环境中存在多个(10个或更多个)受验者。多个受验者中的每个受验者穿戴包括生命传感器101的可穿戴设备100。每个生命传感器101在受控环境中连续地并且按时间顺序感测多个受验者中的对应受验者的时间顺序生命数据。
信息处理装置的生命特征量生成器获取多个受验者中的每个受验者的时间顺序生命数据，该时间顺序生命数据由生命传感器101中的对应生命传感器感测。信息处理装置的生命特征量生成器从多个受验者的多条时间顺序生命数据生成多个受验者的多条时间顺序生命特征量数据。信息处理装置的生命特征量生成器对多个受验者的多条时间顺序生命数据进行信号处理(诸如去噪)以生成多个受验者的多条时间顺序生命特征量数据(步骤S201)。
信息处理装置的情绪估计计算器从多个受验者的多条时间顺序生命特征量数据生成多个受验者的估计情绪值。此外，信息处理装置的情绪估计计算器可以使用上下文信息来生成估计情绪值(步骤S202)。
使多个受验者中的每个受验者在受控环境中体验(例如，观看)内容(诸如一段乐曲和运动图像)。在内容的体验期间，每个生命传感器101连续地并且按时间顺序感测多个受验者中的对应受验者的时间顺序生命数据。
信息处理装置的生命特征量生成器获取体验各条内容后的多个受验者的多条时间顺序生命数据，该多条时间顺序生命数据由各生命传感器101感测。基于多个受验者的多条时间顺序生命数据，信息处理装置的生命特征量生成器生成体验各条内容后的多个受验者的多条时间顺序生命特征量数据(步骤S203)。
从体验各条内容后的多个受验者的多条时间顺序生命特征量数据，信息处理装置的情绪估计计算器生成在多个受验者中的受验者体验各条内容之后分别获得的估计情绪值(步骤S204)。
信息处理装置的库更新部将所体验的内容登记在小库中作为用于从估计情绪值到达在受验者体验该内容之后获得的估计情绪值的内容。信息处理装置通过重复这个流程来生成并更新多个小库。根据登记在小库中的内容的相似程度，或者根据内容的元数据，信息处理装置使上下文信息与登记在小库中的内容相关联。信息处理装置整合多个小库以生成内容库410(步骤S205)。这使得可以科学地生成适当的初始内容库410，而不仅仅取决于例如内容的元数据或节奏。
II.第二实施例
在下文中，与上文描述的组件、操作等类似的组件、操作等的描述和说明被省略，并且聚焦于与上文描述的组件、操作等不同的组件、操作等来给出描述和说明。
在第一实施例中，内容库410具有二维矩阵的形式，该二维矩阵包括多个估计情绪值(1)到(4)和多个目标情绪值(1')到(4')。推荐引擎404从内容库410选择用于从包括在按时间次序获得的估计情绪值中的最新估计情绪值到达目标情绪值的内容。
另一方面，在第二实施例中，推荐引擎404从内容库选择用于从包括在按时间次序获得的估计情绪值中的最新估计情绪值到达目标情绪值的内容，该最新估计情绪值是从包括在按时间次序获得的估计情绪值中的先前估计情绪值(例如，十分钟以前)到达的。换句话说，推荐引擎404选择用于在多个阶段到达目标情绪值的内容，其中目标情绪值是从最新估计情绪值到达的，该最新估计情绪值是从先前估计情绪值到达的。换句话说，推荐引擎404选择用于到达目标情绪值的内容，其包括指示先前估计情绪值已如何被改变为最新估计情绪值的信息。
为了实现上面已经描述的事项，内容库在其中存储用于从包括在按时间次序获得的估计情绪值中的最新估计情绪值到达目标情绪值的至少一条内容，该最新估计情绪值是从包括在按时间次序获得的估计情绪值中的先前估计情绪值到达的。具体地，内容库在其中存储用于从多个不同先前估计情绪值中的每一个先前估计情绪值到达多个不同最新估计情绪值中的对应的一个最新估计情绪值并且从多个不同最新估计情绪值中的该对应的一个最新估计情绪值到达多个不同目标情绪值中的对应的一个目标情绪值的至少一条内容。
具体地，内容库具有三维矩阵的形式，该三维矩阵包括多个不同先前估计情绪值(1)到(4)、多个不同最新估计情绪值(1')到(4')和多个不同目标情绪值(1”)到(4”)。用于从多个先前估计情绪值(1)到(4)中的每一个先前估计情绪值到达多个最新估计情绪值(1')到(4')中的对应的一个最新估计情绪值然后从该最新估计情绪值到达多个目标情绪值(1”)到(4”)中的对应的一个目标情绪值的至少一条内容被登记在和与估计情绪值、最新估计情绪值和目标情绪值对应的线的交叉点对应的部分中。
III.目标输入用户接口的变型
在第一实施例中，目标输入用户接口320的基本屏幕在其上在双轴方向的矩阵中显示多个不同区域(1)到(4)，该多个不同区域(1)到(4)是分别与用户具有处于觉醒状态(第一特定情绪状态)的情绪的高概率(第一概率)和用户具有处于效价的愉快状态(第二特定情绪状态)的情绪的高概率(第二概率)的组合、高第一概率和低第二概率的组合、低第一概率和低第二概率的组合以及低第一概率和高第二概率的组合对应的多个不同区域，如图5中所示。目标输入用户接口320在从云服务器400获取的估计情绪值所位于的区域(3)上显示表示估计情绪值的对象(在这个示例中是星形标记)。
目标输入用户接口的样式不限于图5中所示的示例。以下图示并描述了目标输入用户接口的多种变型。注意，目标输入用户接口的样式可以由用户通过用户接口终端装置300来可变地设定。可替代地，目标输入用户接口的样式可以由应用的规范唯一地确定。
1.第一变型
图8图示了根据第一变型的目标输入用户接口。
根据第一变型的目标输入用户接口的基本屏幕类似于图5的基本屏幕。另一方面，根据第一变型的目标输入用户接口没有在其上显示表示估计情绪值的对象(示意性地图示了虚线星形标记)。因此，用户无法以视觉方式理解他/她的当前情绪。在这种样式中，用户也通过例如轻敲区域之一或利用声音进行输入来选择该区域。因此，用户将位于所选择的区域中的概率输入到用户接口终端装置300作为目标情绪值。
当目标输入用户接口没有在其上显示表示估计情绪值的对象时，云服务器400的推荐引擎404不一定必须向用户接口终端装置300供给由情绪估计计算器403生成的估计情绪值。可替代地，云服务器400的推荐引擎404可以向用户接口终端装置300供给由情绪估计计算器403生成的估计情绪值。在这种情况下，用户接口终端装置300保存估计情绪值作为内部信息。
2.第二变型
图9图示了根据第二变型的目标输入用户接口。
根据第二变型的目标输入用户接口的基本屏幕在其上在双轴方向的矩阵中显示多个不同区域，该多个不同区域是分别与用户具有处于觉醒状态(第一特定情绪状态)的情绪的高概率(第一概率)和用户具有处于效价的愉快状态(第二特定情绪状态)的情绪的高概率(第二概率)的组合、高第一概率和低第二概率的组合、低第一概率和低第二概率的组合以及低第一概率和高第二概率的组合对应的多个不同区域。并非编号(1)到(4)，而是表示各情绪状态的象形图，被分别显示在(投影到)根据第二变型的目标输入用户接口的多个不同区域中的不同区域上，所述各情绪状态分别表示处于一种状态的高概率和处于另一状态的高概率的组合、处于所述一种状态的高概率和处于所述另一状态的低概率的组合、处于所述一种状态的低概率和处于所述另一状态的低概率的组合以及处于所述一种状态的低概率和处于所述另一状态的高概率的组合。例如，象形图可以是具有脸的形式的图画符号，并且可以包括大约一个字符的简短词语。
具体地，表示“喜”并且被用于显示处于觉醒状态的概率高并且处于愉快状态的概率高的象形图被显示在区域(1)上。表示“乐”并且被用于显示处于觉醒状态的概率低并且处于愉快状态的概率高的象形图被显示在区域(2)上。表示“哀”并且被用于显示处于觉醒状态的概率低并且处于愉快状态的概率低的象形图被显示在区域(3)上。表示“怒”并且被用于显示处于觉醒状态的概率高并且处于愉快状态的概率低的象形图被显示在区域(4)上。
用户能够通过查看象形图来容易地确定他/她的目标情绪。此外，当表示用户的情绪的估计值的对象(在这个示例中是星形标记)被显示在显示象形图的坐标系上时，用户容易地以视觉方式理解他/她的当前情绪。
3.第三变型
图10图示了根据第三变型的目标输入用户接口。
在第一实施例中，目标输入用户接口320的基本屏幕在其上在双轴方向的矩阵中显示多个不同区域(1)到(4)，该多个不同区域(1)到(4)是分别与用户具有处于觉醒状态(第一特定情绪状态)的情绪的高概率(第一概率)和用户具有处于效价的愉快状态(第二特定情绪状态)的情绪的高概率(第二概率)的组合、高第一概率和低第二概率的组合、低第一概率和低第二概率的组合以及低第一概率和高第二概率的组合对应的多个不同区域。
另一方面，使根据第三变型的目标输入用户接口更简单以在其上在单轴方向上显示分别与处于特定情绪状态之一的高概率和低概率对应的多个不同区域。例如，假设用户原则上对于效价没有选择“不愉快”而是选择“愉快”。因此，目标情绪值的效价被设定为固定为“愉快”。换句话说，目标情绪值的效价的概率被固定在正值。目标输入用户接口仅接收处于觉醒状态的高概率或低概率的输入作为目标情绪值。在图5中所示的示例的情况下，效价轴中不愉快的概率高的区域(3)和(4)不被显示(或者被显示但输入不被接收)，并且愉快的概率高的区域(1)和(2)能够被用户选择。不显示更不太可能被选择的区域，并且仅显示必要的区域。因此，使整个目标输入用户接口更简单。这使用户能够容易地选择目标区域，并且导致期望的区域不可选择的不利发生的可能性较小。
4.第四变型
图11图示了根据第四变型的目标输入用户接口。
替代像第三变型的情况中那样固定效价的概率并且将觉醒的概率设定为可变，可以固定觉醒的概率并且可以将效价的概率设定为可变。在第三变型和第四变型中，仅单轴方向的高概率或低概率被选择。这使用户能够使用滚轮或机械开关作为输入设备来进行输入。
IV.结语
本实施例使得可以一直估计用户的情绪的估计值，并且根据用户的情绪的估计值和期望作为用户的目标的目标情绪值基于科学的根据来提供必要并且更特定于每个个体的内容。这导致能够推荐适合于每个用户的内容，并且能够提供使用户满意的推荐系统。
本公开还可以包括以下配置。
(1)一种内容推荐系统，包括：
生命特征量生成器，所述生命特征量生成器：
获取时间顺序生命数据，所述时间顺序生命数据是由生命传感器连续地并且按时间顺序感测的用户的生命数据，并且
从所述时间顺序生命数据生成时间顺序生命特征量数据；
情绪估计计算器，所述情绪估计计算器从所述时间顺序生命特征量数据生成作为所述用户的情绪的估计值的估计情绪值；
推荐引擎，所述推荐引擎：
获取通过用户接口终端装置输入并且指示作为所述用户的目标的情绪的目标情绪值，并且
从内容库选择用于从所述估计情绪值到达所述目标情绪值的内容；和
内容推荐部，所述内容推荐部将所选择的内容推荐给所述用户接口终端装置。
(2)根据(1)所述的内容推荐系统，其中
在所述推荐引擎获取所述目标情绪值之前，
所述生命特征量生成器获取所述时间顺序生命数据以生成所述时间顺序生命特征量数据，并且
所述情绪估计计算器基于所述时间顺序生命特征量数据来生成所述估计情绪值。
(3)根据(1)或(2)所述的内容推荐系统，其中
所述情绪估计计算器基于包括在所述时间顺序生命特征量数据中的最新生命特征量数据来生成所述估计情绪值，所述最新生命特征量数据是通过改变包括在所述时间顺序生命特征量数据中的先前生命特征量数据而获得的。
(4)根据(1)至(3)中任何一项所述的内容推荐系统，其中
所述内容库在其中存储用于从多个不同估计情绪值中的每一个估计情绪值到达多个不同目标情绪值中的对应的一个目标情绪值的至少一条内容。
(5)根据(4)所述的内容推荐系统，其中
所述内容库具有包括所述多个不同估计情绪值和所述多个不同目标情绪值的二维矩阵的形式，并且
用于从所述多个不同估计情绪值中的每一个估计情绪值到达所述多个不同目标情绪值中的对应的一个目标情绪值的至少一条内容被登记在和与所述多个不同估计情绪值中的该一个估计情绪值和所述多个不同目标情绪值中的所述对应的一个目标情绪值对应的线的交叉点对应的部分中。
(6)根据(1)至(5)中任何一项所述的内容推荐系统，其中
所述推荐引擎从所述内容库选择多条内容，
所述内容推荐系统还包括：
上下文信息生成器，所述上下文信息生成器生成关于所述用户的上下文信息；和
上下文处理器，所述上下文处理器基于所述上下文信息将所选择的多条内容缩减到至少一条内容，并且
所述内容推荐部推荐通过所述缩减而获得的所述至少一条内容。
(7)根据(6)所述的内容推荐系统，其中
所述内容库在其中存储用于从多个不同估计情绪值中的每一个估计情绪值到达多个不同目标情绪值中的对应的一个目标情绪值的多条内容，
多条不同上下文信息中的各条不同上下文信息分别与所述多条内容中的各条内容相关联，并且
所述上下文处理器将所选择的多条内容缩减到所生成的上下文信息所关联的至少一条内容。
(8)根据(1)至(7)中任何一项所述的内容推荐系统，其中
从在所述内容被推荐之后获得的所述时间顺序生命特征量数据，所述情绪估计计算器生成作为所述用户的情绪的估计值的推荐后的估计情绪值，并且
所述内容推荐系统还包括库更新部，所述库更新部通过将所推荐的内容登记在每个用户的所述内容库中作为用于从所述估计情绪值到达所述推荐后的估计情绪值的内容来为每个用户更新所述内容库。
(9)根据(1)至(8)中任何一项所述的内容推荐系统，其中
从在所述内容被推荐之后获得的所述时间顺序生命特征量数据，所述情绪估计计算器生成作为所述用户的情绪的估计值的推荐后的估计情绪值，
所述推荐引擎从所述内容库进一步选择用于从所述推荐后的估计情绪值到达所述目标情绪值的内容，并且
所述内容推荐部将进一步选择的内容推荐给所述用户接口终端装置。
(10)根据(1)至(9)中任何一项所述的内容推荐系统，其中
所述情绪估计计算器生成按时间次序获得的估计情绪值，并且
所述推荐引擎从所述内容库选择用于从包括在所述按时间次序获得的估计情绪值中的最新估计情绪值到达所述目标情绪值的内容，所述最新估计情绪值是从包括在所述按时间次序获得的估计情绪值中的先前估计情绪值到达的。
(11)根据(10)所述的内容推荐系统，其中
所述内容库在其中存储用于从包括在所述按时间次序获得的估计情绪值中的最新估计情绪值到达所述目标情绪值的至少一条内容，所述最新估计情绪值是从包括在所述按时间次序获得的估计情绪值中的先前估计情绪值到达的。
(12)根据(10)或(11)所述的内容推荐系统，其中
所述内容库在其中存储用于从多个不同先前估计情绪值中的每一个先前估计情绪值到达多个不同最新估计情绪值中的对应的一个最新估计情绪值并且从所述多个不同最新估计情绪值中的所述对应的一个最新估计情绪值到达多个不同目标情绪值中的对应的一个目标情绪值的至少一条内容。
(13)根据(12)所述的内容推荐系统，其中
所述内容库具有包括所述多个不同先前估计情绪值、所述多个不同最新估计情绪值和所述多个不同目标情绪值的三维矩阵的形式，并且
用于从所述多个先前估计情绪值中的每一个先前估计情绪值到达所述多个最新估计情绪值中的对应的一个最新估计情绪值并且从所述多个最新估计情绪值中的所述对应的一个最新估计情绪值到达所述多个目标情绪值中的对应的一个目标情绪值的至少一条内容被登记在和与所述多个先前估计情绪值中的该一个先前估计情绪值、所述多个最新估计情绪值中的所述对应的一个最新估计情绪值和所述多个目标情绪值中的所述对应的一个目标情绪值对应的线的交叉点对应的部分中。
(14)根据(1)至(13)中任何一项所述的内容推荐系统，其中
所述情绪估计计算器计算所述用户具有处于特定情绪状态的情绪的概率，并且将所述概率设定为所述估计情绪值。
(15)根据(14)所述的内容推荐系统，其中
所述概率对应于通过量化所述用户具有处于所述特定情绪状态的情绪的状态而获得的值。
(16)根据(14)或(15)所述的内容推荐系统，其中
所述情绪估计计算器
计算作为所述用户具有处于第一特定情绪状态的情绪的概率的第一概率和作为所述用户具有处于第二特定情绪状态的情绪的概率的第二概率，并且
基于所述第一概率和所述第二概率来生成所述估计情绪值。
(17)根据(16)所述的内容推荐系统，其中
所述第一特定情绪状态是觉醒状态，
所述第一概率是所述用户具有处于觉醒状态的情绪的概率，
所述第二特定情绪状态是效价的愉快状态，并且
所述第二概率是所述用户具有处于愉快状态的情绪的概率。
(18)根据(14)至(17)中任何一项所述的内容推荐系统，其中
所述用户接口终端装置显示目标输入用户接口，所述目标输入用户接口是为了使用户输入所述目标情绪值而显示的GUI，
所述目标输入用户接口在其上在单轴方向上显示分别与处于所述特定情绪状态的高概率和低概率对应的多个不同区域，并且
所述用户选择所述多个不同区域中的一个区域以将位于所述多个不同区域中的所选择的一个区域中的所述概率输入到所述用户接口终端装置作为所述目标情绪值。
(19)根据(18)所述的内容推荐系统，其中
所述目标输入用户接口在其上在双轴方向的矩阵中显示多个不同区域，所述多个不同区域是分别与高第一概率和高第二概率的组合、高第一概率和低第二概率的组合、低第一概率和低第二概率的组合以及低第一概率和高第二概率的组合对应的多个不同区域，所述第一概率是所述用户具有处于第一特定情绪状态的情绪的概率，所述第二概率是所述用户具有处于第二特定情绪状态的情绪的概率，并且
所述用户选择所述多个不同区域中的一个区域以将位于所述多个不同区域中的所选择的一个区域中的所述第一概率和所述第二概率的组合输入到所述用户接口终端装置作为所述目标情绪值。
(20)根据(18)或(19)所述的内容推荐系统，其中
所述用户接口终端装置获取所生成的估计情绪值，并且
所述目标输入用户接口在所述多个不同区域中所包括并且所述估计情绪值所位于的区域上显示表示所述估计情绪值的对象。
(21)根据(20)所述的内容推荐系统，其中
所述用户通过从在其上显示表示所述估计情绪值的对象的所述区域滑动到所述多个不同区域中所包括并且所述目标情绪值所位于的区域来将所述目标情绪值输入到所述用户接口终端装置。
(22)根据(18)至(21)中任何一项所述的内容推荐系统，其中
在分别与处于所述特定情绪状态的高概率和低概率对应的所述多个不同区域中的各区域上，所述目标输入用户接口显示表示各情绪状态的象形图，所述各情绪状态分别表示高概率和低概率。
(23)根据(1)至(22)中任何一项所述的内容推荐系统，其中
所述内容库是通过包括以下的处理而生成的
在受控环境中获取多个受验者的多条时间顺序生命数据，所述多条时间顺序生命数据是由各生命传感器连续地并且按时间顺序感测的，
从所述多个受验者的所述多条时间顺序生命数据生成所述多个受验者的多条时间顺序生命特征量数据，
从所述多个受验者的所述多条时间顺序生命特征量数据生成所述多个受验者的估计情绪值，
使所述多个受验者中的每个受验者在所述受控环境中体验内容，
从体验各条内容后的所述多个受验者的所述多条时间顺序生命数据生成所述多个受验者的所述多条时间顺序生命特征量数据，
从体验各条内容后的所述多个受验者的所述多条时间顺序生命特征量数据，生成在所述多个受验者中的受验者体验各条内容之后获得的估计情绪值，并且
将所体验的内容登记在所述内容库中作为用于从所述估计情绪值到达在受验者体验所述内容之后获得的估计情绪值的内容。
(24)根据(1)至(23)中任何一项所述的内容推荐系统，其中
所述生命传感器被包括在可穿戴设备中，并且
所述生命传感器通过脑波测量、体积描记术、皮肤电导测量、激光多普勒、使用RGB相机进行的图像捕获和/或使用热成像相机进行的图像捕获来获取脑波、脉搏波、脉搏、血压、血流、出汗、呼吸和/或体温的数据作为所述生命数据。
(25)根据(1)至(24)中任何一项所述的内容推荐系统，其中
所述上下文信息生成器基于从由所述生命传感器获取的所述时间顺序生命数据生成的所述时间顺序生命特征量数据、所述用户的环境的环境数据和/或所述用户的活动状态来生成所述上下文信息。
(26)根据(1)至(25)中任何一项所述的内容推荐系统，其中
从所述时间顺序生命特征量数据和所述上下文信息，所述情绪估计计算器生成作为所述用户的情绪的估计值的估计情绪值。
(27)一种内容推荐方法，包括：
获取时间顺序生命数据，所述时间顺序生命数据是由生命传感器连续地并且按时间顺序感测的用户的生命数据；
从所述时间顺序生命数据生成时间顺序生命特征量数据；
从所述时间顺序生命特征量数据生成作为所述用户的情绪的估计值的估计情绪值；
获取通过用户接口终端装置输入并且指示作为所述用户的目标的情绪的目标情绪值；
从内容库选择用于从所述估计情绪值到达所述目标情绪值的内容；并且
将所选择的内容推荐给所述用户接口终端装置。
(28)一种内容库，所述内容库是通过包括以下的处理而生成的：
在受控环境中获取多个受验者的多条时间顺序生命数据，所述多条时间顺序生命数据是由各生命传感器连续地并且按时间顺序感测的；
从所述多个受验者的所述多条时间顺序生命数据生成所述多个受验者的多条时间顺序生命特征量数据；
从所述多个受验者的所述多条时间顺序生命特征量数据生成所述多个受验者的估计情绪值；
使所述多个受验者中的每个受验者在所述受控环境中体验内容；
从体验各条内容后的所述多个受验者的所述多条时间顺序生命数据生成所述多个受验者的所述多条时间顺序生命特征量数据；
从体验各条内容后的所述多个受验者的所述多条时间顺序生命特征量数据，生成在所述多个受验者中的受验者体验各条内容之后获得的估计情绪值；并且
将所体验的内容登记在所述内容库中作为用于从所述估计情绪值到达在受验者体验所述内容之后获得的估计情绪值的内容。
(29)一种用于生成内容库的方法，所述方法包括：
在受控环境中获取多个受验者的多条时间顺序生命数据，所述多条时间顺序生命数据是由各生命传感器连续地并且按时间顺序感测的；
从所述多个受验者的所述多条时间顺序生命数据生成所述多个受验者的多条时间顺序生命特征量数据；
从所述多个受验者的所述多条时间顺序生命特征量数据生成所述多个受验者的估计情绪值；
使所述多个受验者中的每个受验者在所述受控环境中体验内容；
从体验各条内容后的所述多个受验者的所述多条时间顺序生命数据生成所述多个受验者的所述多条时间顺序生命特征量数据；
从体验各条内容后的所述多个受验者的所述多条时间顺序生命特征量数据，生成在所述多个受验者中的受验者体验各条内容之后获得的估计情绪值；并且
将所体验的内容登记在所述内容库中作为用于从所述估计情绪值到达在受验者体验所述内容之后获得的估计情绪值的内容。
(30)一种目标输入用户接口，所述目标输入用户接口是用户接口终端装置为了使用户输入目标情绪值而显示的GUI，所述用户接口终端装置被包括在内容推荐系统中，所述内容推荐系统包括：
生命特征量生成器，所述生命特征量生成器：
获取时间顺序生命数据，所述时间顺序生命数据是由生命传感器连续地并且按时间顺序感测的用户的生命数据，并且
从所述时间顺序生命数据生成时间顺序生命特征量数据；
情绪估计计算器，所述情绪估计计算器从所述时间顺序生命特征量数据生成作为所述用户的情绪的估计值的估计情绪值；
推荐引擎，所述推荐引擎：
获取通过所述用户接口终端装置输入并且指示作为所述用户的目标的情绪的目标情绪值，并且
从内容库选择用于从所述估计情绪值到达所述目标情绪值的内容；和
内容推荐部，所述内容推荐部将所选择的内容推荐给所述用户接口终端装置，
所述目标输入用户接口在其上在单轴方向上显示分别与处于特定情绪状态的高概率和低概率对应的多个不同区域，
所述用户选择所述多个不同区域中的一个区域，
位于所述多个不同区域中的所选择的一个区域中的所述概率被输入到所述用户接口终端装置作为所述目标情绪值。
上面已经描述了本技术的实施例和变型。当然，本技术不限于上述的实施例，并且可以在不脱离本技术的范围的情况下对其做出各种修改。
附图标记列表
1内容推荐系统
100 可穿戴设备
101 生命传感器
200 环境传感器
300 用户接口终端装置
310 内容提供应用程序
320 目标输入用户接口
321 估计情绪值
322 目标情绪值
400 云服务器
401 生命特征量生成器
402 上下文信息生成器
403 情绪估计计算器
404 推荐引擎
405 上下文处理器
406 内容推荐部
410 内容库

Claims (30)

1.一种内容推荐系统，包括：
生命特征量生成器，所述生命特征量生成器：
获取时间顺序生命数据，所述时间顺序生命数据是由生命传感器连续地并且按时间顺序感测的用户的生命数据，并且
从所述时间顺序生命数据生成时间顺序生命特征量数据；
情绪估计计算器，所述情绪估计计算器从所述时间顺序生命特征量数据生成作为所述用户的情绪的估计值的估计情绪值；
推荐引擎，所述推荐引擎：
获取通过用户接口终端装置输入并且指示作为所述用户的目标的情绪的目标情绪值，并且
从内容库选择用于从所述估计情绪值到达所述目标情绪值的内容；和
内容推荐部，所述内容推荐部将所选择的内容推荐给所述用户接口终端装置。
2.根据权利要求1所述的内容推荐系统，其中
在所述推荐引擎获取所述目标情绪值之前，
所述生命特征量生成器获取所述时间顺序生命数据以生成所述时间顺序生命特征量数据，并且
所述情绪估计计算器基于所述时间顺序生命特征量数据来生成所述估计情绪值。
3.根据权利要求1所述的内容推荐系统，其中
所述情绪估计计算器基于包括在所述时间顺序生命特征量数据中的最新生命特征量数据来生成所述估计情绪值，所述最新生命特征量数据是通过改变包括在所述时间顺序生命特征量数据中的先前生命特征量数据而获得的。
4.根据权利要求1所述的内容推荐系统，其中
所述内容库在其中存储用于从多个不同估计情绪值中的每一个估计情绪值到达多个不同目标情绪值中的对应的一个目标情绪值的至少一条内容。
5.根据权利要求4所述的内容推荐系统，其中
所述内容库具有包括所述多个不同估计情绪值和所述多个不同目标情绪值的二维矩阵的形式，并且
用于从所述多个不同估计情绪值中的每一个估计情绪值到达所述多个不同目标情绪值中的对应的一个目标情绪值的至少一条内容被登记在和与所述多个不同估计情绪值中的该一个估计情绪值和所述多个不同目标情绪值中的所述对应的一个目标情绪值对应的线的交叉点对应的部分中。
6.根据权利要求1所述的内容推荐系统，其中
所述推荐引擎从所述内容库选择多条内容，
所述内容推荐系统还包括：
上下文信息生成器，所述上下文信息生成器生成关于所述用户的上下文信息；和
上下文处理器，所述上下文处理器基于所述上下文信息将所选择的多条内容缩减到至少一条内容，并且
所述内容推荐部推荐通过所述缩减而获得的所述至少一条内容。
7.根据权利要求6所述的内容推荐系统，其中
所述内容库在其中存储用于从多个不同估计情绪值中的每一个估计情绪值到达多个不同目标情绪值中的对应的一个目标情绪值的多条内容，
多条不同上下文信息中的各条不同上下文信息分别与所述多条内容中的各条内容相关联，并且
所述上下文处理器将所选择的多条内容缩减到所生成的上下文信息所关联的至少一条内容。
8.根据权利要求1所述的内容推荐系统，其中
从在所述内容被推荐之后获得的所述时间顺序生命特征量数据，所述情绪估计计算器生成作为所述用户的情绪的估计值的推荐后的估计情绪值，并且
所述内容推荐系统还包括库更新部，所述库更新部通过将所推荐的内容登记在每个用户的所述内容库中作为用于从所述估计情绪值到达所述推荐后的估计情绪值的内容来为每个用户更新所述内容库。
9.根据权利要求1所述的内容推荐系统，其中
从在所述内容被推荐之后获得的所述时间顺序生命特征量数据，所述情绪估计计算器生成作为所述用户的情绪的估计值的推荐后的估计情绪值，
所述推荐引擎从所述内容库进一步选择用于从所述推荐后的估计情绪值到达所述目标情绪值的内容，并且
所述内容推荐部将进一步选择的内容推荐给所述用户接口终端装置。
10.根据权利要求1所述的内容推荐系统，其中
所述情绪估计计算器生成按时间次序获得的估计情绪值，并且
所述推荐引擎从所述内容库选择用于从包括在所述按时间次序获得的估计情绪值中的最新估计情绪值到达所述目标情绪值的内容，所述最新估计情绪值是从包括在所述按时间次序获得的估计情绪值中的先前估计情绪值到达的。
11.根据权利要求10所述的内容推荐系统，其中
所述内容库在其中存储用于从包括在所述按时间次序获得的估计情绪值中的最新估计情绪值到达所述目标情绪值的至少一条内容，所述最新估计情绪值是从包括在所述按时间次序获得的估计情绪值中的先前估计情绪值到达的。
12.根据权利要求10所述的内容推荐系统，其中
所述内容库在其中存储用于从多个不同先前估计情绪值中的每一个先前估计情绪值到达多个不同最新估计情绪值中的对应的一个最新估计情绪值并且从所述多个不同最新估计情绪值中的所述对应的一个最新估计情绪值到达多个不同目标情绪值中的对应的一个目标情绪值的至少一条内容。
13.根据权利要求12所述的内容推荐系统，其中
所述内容库具有包括所述多个不同先前估计情绪值、所述多个不同最新估计情绪值和所述多个不同目标情绪值的三维矩阵的形式，并且
用于从所述多个先前估计情绪值中的每一个先前估计情绪值到达所述多个最新估计情绪值中的对应的一个最新估计情绪值并且从所述多个最新估计情绪值中的所述对应的一个最新估计情绪值到达所述多个目标情绪值中的对应的一个目标情绪值的至少一条内容被登记在和与所述多个先前估计情绪值中的该一个先前估计情绪值、所述多个最新估计情绪值中的所述对应的一个最新估计情绪值和所述多个目标情绪值中的所述对应的一个目标情绪值对应的线的交叉点对应的部分中。
14.根据权利要求1所述的内容推荐系统，其中
所述情绪估计计算器计算所述用户具有处于特定情绪状态的情绪的概率，并且将所述概率设定为所述估计情绪值。
15.根据权利要求14所述的内容推荐系统，其中
所述概率对应于通过量化所述用户具有处于所述特定情绪状态的情绪的状态而获得的值。
16.根据权利要求14所述的内容推荐系统，其中
所述情绪估计计算器
计算作为所述用户具有处于第一特定情绪状态的情绪的概率的第一概率和作为所述用户具有处于第二特定情绪状态的情绪的概率的第二概率，并且
基于所述第一概率和所述第二概率来生成所述估计情绪值。
17.根据权利要求16所述的内容推荐系统，其中
所述第一特定情绪状态是觉醒状态，
所述第一概率是所述用户具有处于觉醒状态的情绪的概率，
所述第二特定情绪状态是效价的愉快状态，并且
所述第二概率是所述用户具有处于愉快状态的情绪的概率。
18.根据权利要求14所述的内容推荐系统，其中
所述用户接口终端装置显示目标输入用户接口，所述目标输入用户接口是为了使用户输入所述目标情绪值而显示的GUI，
所述目标输入用户接口在其上在单轴方向上显示分别与处于所述特定情绪状态的高概率和低概率对应的多个不同区域，并且
所述用户选择所述多个不同区域中的一个区域以将位于所述多个不同区域中的所选择的一个区域中的所述概率输入到所述用户接口终端装置作为所述目标情绪值。
19.根据权利要求18所述的内容推荐系统，其中
所述目标输入用户接口在其上在双轴方向的矩阵中显示多个不同区域，所述多个不同区域是分别与高第一概率和高第二概率的组合、高第一概率和低第二概率的组合、低第一概率和低第二概率的组合以及低第一概率和高第二概率的组合对应的多个不同区域，所述第一概率是所述用户具有处于第一特定情绪状态的情绪的概率，所述第二概率是所述用户具有处于第二特定情绪状态的情绪的概率，并且
所述用户选择所述多个不同区域中的一个区域以将位于所述多个不同区域中的所选择的一个区域中的所述第一概率和所述第二概率的组合输入到所述用户接口终端装置作为所述目标情绪值。
20.根据权利要求18所述的内容推荐系统，其中
所述用户接口终端装置获取所生成的估计情绪值，并且
所述目标输入用户接口在所述多个不同区域中所包括并且所述估计情绪值所位于的区域上显示表示所述估计情绪值的对象。
21.根据权利要求20所述的内容推荐系统，其中
所述用户通过从在其上显示表示所述估计情绪值的对象的所述区域滑动到所述多个不同区域中所包括并且所述目标情绪值所位于的区域来将所述目标情绪值输入到所述用户接口终端装置。
22.根据权利要求18所述的内容推荐系统，其中
在分别与处于所述特定情绪状态的高概率和低概率对应的所述多个不同区域中的各区域上，所述目标输入用户接口显示表示各情绪状态的象形图，所述各情绪状态分别表示高概率和低概率。
23.根据权利要求1所述的内容推荐系统，其中
所述内容库是通过包括以下的处理而生成的：
在受控环境中获取多个受验者的多条时间顺序生命数据，所述多条时间顺序生命数据是由各生命传感器连续地并且按时间顺序感测的，
从所述多个受验者的所述多条时间顺序生命数据生成所述多个受验者的多条时间顺序生命特征量数据，
从所述多个受验者的所述多条时间顺序生命特征量数据生成所述多个受验者的估计情绪值，
使所述多个受验者中的每个受验者在所述受控环境中体验内容，
从体验各条内容后的所述多个受验者的所述多条时间顺序生命数据生成所述多个受验者的所述多条时间顺序生命特征量数据，
从体验各条内容后的所述多个受验者的所述多条时间顺序生命特征量数据，生成在所述多个受验者中的受验者体验各条内容之后获得的估计情绪值，并且
将所体验的内容登记在所述内容库中作为用于从所述估计情绪值到达在受验者体验所述内容之后获得的估计情绪值的内容。
24.根据权利要求1所述的内容推荐系统，其中
所述生命传感器被包括在可穿戴设备中，并且
所述生命传感器通过脑波测量、体积描记术、皮肤电导测量、激光多普勒、使用RGB相机进行的图像捕获和/或使用热成像相机进行的图像捕获来获取脑波、脉搏波、脉搏、血压、血流、出汗、呼吸和/或体温的数据作为所述生命数据。
25.根据权利要求1所述的内容推荐系统，其中
上下文信息生成器基于从由所述生命传感器获取的所述时间顺序生命数据生成的所述时间顺序生命特征量数据、所述用户的环境的环境数据和/或所述用户的活动状态来生成上下文信息。
26.根据权利要求1所述的内容推荐系统，其中
从所述时间顺序生命特征量数据和上下文信息，所述情绪估计计算器生成作为所述用户的情绪的估计值的估计情绪值。
27.一种内容推荐方法，包括：
获取时间顺序生命数据，所述时间顺序生命数据是由生命传感器连续地并且按时间顺序感测的用户的生命数据；
从所述时间顺序生命数据生成时间顺序生命特征量数据；
从所述时间顺序生命特征量数据生成作为所述用户的情绪的估计值的估计情绪值；
获取通过用户接口终端装置输入并且指示作为所述用户的目标的情绪的目标情绪值；
从内容库选择用于从所述估计情绪值到达所述目标情绪值的内容；并且
将所选择的内容推荐给所述用户接口终端装置。
28.一种内容库，所述内容库是通过包括以下的处理而生成的：
在受控环境中获取多个受验者的多条时间顺序生命数据，所述多条时间顺序生命数据是由各生命传感器连续地并且按时间顺序感测的；
从所述多个受验者的所述多条时间顺序生命数据生成所述多个受验者的多条时间顺序生命特征量数据；
从所述多个受验者的所述多条时间顺序生命特征量数据生成所述多个受验者的估计情绪值；
使所述多个受验者中的每个受验者在所述受控环境中体验内容；
从体验各条内容后的所述多个受验者的所述多条时间顺序生命数据生成所述多个受验者的所述多条时间顺序生命特征量数据；
从体验各条内容后的所述多个受验者的所述多条时间顺序生命特征量数据，生成在所述多个受验者中的受验者体验各条内容之后获得的估计情绪值；并且
将所体验的内容登记在所述内容库中作为用于从所述估计情绪值到达在受验者体验所述内容之后获得的估计情绪值的内容。
29.一种用于生成内容库的方法，所述方法包括：
在受控环境中获取多个受验者的多条时间顺序生命数据，所述多条时间顺序生命数据是由各生命传感器连续地并且按时间顺序感测的；
从所述多个受验者的所述多条时间顺序生命数据生成所述多个受验者的多条时间顺序生命特征量数据；
从所述多个受验者的所述多条时间顺序生命特征量数据生成所述多个受验者的估计情绪值；
使所述多个受验者中的每个受验者在所述受控环境中体验内容；
从体验各条内容后的所述多个受验者的所述多条时间顺序生命数据生成所述多个受验者的所述多条时间顺序生命特征量数据；
从体验各条内容后的所述多个受验者的所述多条时间顺序生命特征量数据，生成在所述多个受验者中的受验者体验各条内容之后获得的估计情绪值；并且
将所体验的内容登记在所述内容库中作为用于从所述估计情绪值到达在受验者体验所述内容之后获得的估计情绪值的内容。
30.一种目标输入用户接口，所述目标输入用户接口是用户接口终端装置为了使用户输入目标情绪值而显示的GUI，所述用户接口终端装置被包括在内容推荐系统中，所述内容推荐系统包括：
生命特征量生成器，所述生命特征量生成器：
获取时间顺序生命数据，所述时间顺序生命数据是由生命传感器连续地并且按时间顺序感测的用户的生命数据，并且
从所述时间顺序生命数据生成时间顺序生命特征量数据；
情绪估计计算器，所述情绪估计计算器从所述时间顺序生命特征量数据生成作为所述用户的情绪的估计值的估计情绪值；
推荐引擎，所述推荐引擎：
获取通过所述用户接口终端装置输入并且指示作为所述用户的目标的情绪的目标情绪值，并且
从内容库选择用于从所述估计情绪值到达所述目标情绪值的内容；和
内容推荐部，所述内容推荐部将所选择的内容推荐给所述用户接口终端装置，
所述目标输入用户接口在其上在单轴方向上显示分别与处于特定情绪状态的高概率和低概率对应的多个不同区域，
所述用户选择所述多个不同区域中的一个区域，
位于所述多个不同区域中的所选择的一个区域中的所述概率被输入到所述用户接口终端装置作为所述目标情绪值。
CN202280018430.9A 2021-03-10 2022-01-26 内容推荐系统、内容推荐方法、内容库、用于生成内容库的方法和目标输入用户接口 Pending CN116917923A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2021-038000 2021-03-10
JP2021038000A JP2022138233A (ja) 2021-03-10 2021-03-10 コンテンツリコメンデーションシステム、コンテンツリコメンデーション方法、コンテンツライブラリ、コンテンツライブラリの生成方法及びターゲットインプットユーザインタフェース
PCT/JP2022/002893 WO2022190686A1 (ja) 2021-03-10 2022-01-26 コンテンツリコメンデーションシステム、コンテンツリコメンデーション方法、コンテンツライブラリ、コンテンツライブラリの生成方法及びターゲットインプットユーザインタフェース

Publications (1)

Publication Number Publication Date
CN116917923A true CN116917923A (zh) 2023-10-20

Family

ID=83226725

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202280018430.9A Pending CN116917923A (zh) 2021-03-10 2022-01-26 内容推荐系统、内容推荐方法、内容库、用于生成内容库的方法和目标输入用户接口

Country Status (4)

Country Link
EP (1) EP4307206A1 (zh)
JP (1) JP2022138233A (zh)
CN (1) CN116917923A (zh)
WO (1) WO2022190686A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024122350A1 (ja) * 2022-12-05 2024-06-13 ソニーグループ株式会社 信号処理装置および方法
JP7402577B1 (ja) * 2023-06-16 2023-12-21 株式会社ファーストスター・ヘルスケア 音楽提供システム

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007323171A (ja) * 2006-05-30 2007-12-13 Olympus Corp コンテンツ再生システム
JP2013054447A (ja) * 2011-09-01 2013-03-21 Hitachi Ltd 気分改善システムおよび気分改善方法
US20150033258A1 (en) 2013-07-24 2015-01-29 United Video Properties, Inc. Methods and systems for media guidance applications configured to monitor brain activity
JP6636792B2 (ja) * 2015-01-30 2020-01-29 パナソニック株式会社 刺激提示システム、刺激提示方法、コンピュータ、および制御方法
US20170351768A1 (en) * 2016-06-03 2017-12-07 Intertrust Technologies Corporation Systems and methods for content targeting using emotional context information
US10838685B2 (en) 2017-03-23 2020-11-17 Fuji Xerox Co., Ltd. Information processing device and non-transitory computer-readable medium
JP6839818B2 (ja) 2017-05-17 2021-03-10 パナソニックＩｐマネジメント株式会社 コンテンツ提供方法、コンテンツ提供装置及びコンテンツ提供プログラム

Also Published As

Publication number Publication date
JP2022138233A (ja) 2022-09-26
EP4307206A1 (en) 2024-01-17
WO2022190686A1 (ja) 2022-09-15

Similar Documents

Publication Publication Date Title
US20210007633A1 (en) Physical activity and workout monitor
EP3638108B1 (en) Sleep monitoring from implicitly collected computer interactions
US11914784B1 (en) Detecting emotions from micro-expressive free-form movements
US20170274267A1 (en) Sharing updatable graphical user interface elements
US20210015415A1 (en) Methods and systems for monitoring user well-being
US20120001749A1 (en) Method and Apparatus for Generating Mood-Based Haptic Feedback
CN113520340A (zh) 一种睡眠报告的生成方法、装置、终端以及存储介质
EP2551784A1 (en) Method of controlling the display of a dataset
CN114995695A (zh) 健康聚合器
CN116917923A (zh) 内容推荐系统、内容推荐方法、内容库、用于生成内容库的方法和目标输入用户接口
US20220095974A1 (en) Mental state determination method and system
KR20210099556A (ko) 사용자의 감정 상태의 모니터링 및 목표 상태 보강을 통해 사용자 간의 상호 작용의 향상을 위한 시스템 및 방법
US20180366024A1 (en) Providing suggested behavior modifications for a correlation
JPWO2018116703A1 (ja) 表示制御装置、表示制御方法及びコンピュータプログラム
US20230120262A1 (en) Method for Improving the Success of Immediate Wellbeing Interventions to Achieve a Desired Emotional State
US20220036481A1 (en) System and method to integrate emotion data into social network platform and share the emotion data over social network platform
US20230380684A1 (en) Systems and methods for improved eye-tracking devices and associated user interfaces
US11429188B1 (en) Measuring self awareness utilizing a mobile computing device
JP2018085083A (ja) 健康管理プログラム
JP2018085009A (ja) 健康管理プログラム
WO2014066871A1 (en) Sporadic collection of mobile affect data
WO2016109246A1 (en) Analyzing emotional state and activity based on unsolicited media information

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination