CN1689001A - 向用户或用户组呈现媒体内容的方法和系统 - Google Patents

Abstract

本发明涉及向用户或用户组呈现媒体内容的方法，其中媒体内容驻留在一个存储系统上。该方法包含以下步骤：定义一个检索媒体内容的查询，通过使用情境信息，这个查询是适于用户的情形的；从存储系统中检索所查询的媒体内容；向用户或一组用户呈现所查询的媒体内容。

Description

向用户或用户组呈现媒体内容的方法和系统

本发明涉及向用户或用户组呈现媒体内容的方法，其中媒体内容驻留在一个存储系统上。

本发明进一步涉及向用户或用户组呈现媒体内容的系统，其中媒体内容驻留在一个存储系统上。

本发明进一步涉及被设计用来执行这样一个方法的计算机程序产品。

本发明进一步涉及包含这样一个计算机程序产品的信息载体。

本发明进一步涉及包含这样一个系统的娱乐装置。

美国专利6,311,194中描述了这样一个方法和系统的实施例。该专利中描述了一种用于创建包括在因特网上传送的TV和无线电广播内容的各种数字媒体内容的元数据的数据库的系统和方法。该方法捕获及增强数字媒体内容的领域或主题特定的元数据，包括原始媒体内容的特定含义和预期使用。为了支持语义(semantics)，提供了一个包括与原始内容有关的特定领域知识、本体(ontologies)以及规则集的WorldModle(世界模型)。用来表达领域知识的语言之一是万维网联盟(W3C)所定义的可扩展标记语言(XML)，参看http：//www.w 3.org。元数据的数据库也可以是动态的，因为它可以跟踪对包括实况的和归档的TV和广播无线电节目的媒体内容的修改。元数据的数据库能被用户查询。为此，用户必须规定WorldModel的感兴趣的领域，然后用户被呈现一个表单，该表单含有属于该领域的每个属性的字段。用户必须填写这个表单并提交表单，以执行查询。提交查询的另一个方式可以通过让用户选择一个领域并输入关键字而进行。提交一个查询的第三个方式是通过提供一个对单一领域定制的用户界面而确定的。用户能选择用户想查询的领域的用户界面。所有这些查询都需要明确的用户交互。

本发明的一个目的是提供一种按照前文以改进的方式检索媒体内容的方法。为了实现这个目的，该方法包含：定义一个检索媒体内容的查询，通过使用情境(context)信息，这个查询是适合用户的情形的；从存储系统中检索所查询的媒体内容；向用户或用户组呈现被查询的媒体内容。通过把关于用户的情形的传感器数据(sensordata)与情境信息组合，可以推导出高层级的用户情形。例如，当检测到用户独自在家并坐在最喜欢的扶手椅上时，就能推导出用户在家休息。在没有明确的用户交互的情况下可以自动地进行情境信息的推导。

WO 01/69380描述了使用情境信息来创建一个使用户能从数据库检索内容的用户界面。情境信息包含关于用户的能力的描述性信息。该描述性信息是由用户明确地提供给系统的。情境信息可进一步包含用户的操作情境条件，诸如情景的、环境的、行为的操作情境条件以及用户的位置，如在家中或在汽车中。情境信息与描述性信息一起被用来计算特定用户的偏好和创建一个用户可操作的用户界面。例如，当用户不能使用他或她的手足时，能确定控制和输入功能是不用手控制的，而是优选地把声音用于这些交互方式。因此，只有访问控制的呈现和操作受情境信息的影响。然而，用户想要检索的内容不受这个情境信息的影响。

按照本发明的方法的一个实施例在权利要求2中描述。在这个实施例中，情境信息包含关于至少一个在场的人的传感器数据、关于至少一个在场的物体(object)的传感器数据、一个情境相关的用户简档、一个情境相关的群组简档(group profile)的至少其中之一。这样，例如就能识别一个人，就能计算一组的个人或只是计算人的个数，以便自动地确定用户的情形。此外，可以把存在于环境中的物体考虑在内。例如，当有许多人在场并且房间被用气球装饰时，就能推理出正在进行一个聚会，因而应当从因特网检索聚会音乐。作为另一个例子，可以用一组内的多人的音乐偏好来从因特网检索所有这些人都喜欢的音乐。情境信息也能考虑一组人而不是仅仅考虑单独的个人

按照本发明的方法的一个实施例在权利要求3中描述。在这个实施例中，情境信息包含事件的组合，事件组合的每个事件是通过关于空间的信息、关于时间的信息以及关于对应时间描述的是谁或什么的信息的其中之一描述的。此外，记录关于事件的元数据可能是有用的，事件的元数据例如包括谁或什么声明该事件。空间既能描述物理空间，又能描述虚拟空间，如万维网(统一资源标识符(URI)集合)。这个使用事件的一般方式使得能够关于情境信息进行推理，并可以简化情境知识的表达和利用情境知识进行推理。此外，所有种类的用户情形都可以由事件表达。例如，可以把一个物体当作一个事件；可以把一个时间间隔当作一个事件；可以把一个人看作一个事件，可能贯穿他或她的整个一生地这么看，或者只是一天这么看；并且可以把一个人在特定钟点期间在一个地方的存在当作一个事件。

按照本发明的方法的一个实施例在权利要求4中描述。在这个实施例中，情境信息包含事件之间的数学关系以便使得能够进行关于事件的推理的。这使得能够表达一个事件是由其它的事件组成的；能够表达两个事件交叉(intersect)等等。特别地，事件之间的这种数学关系允许这样的结论，诸如当已知某些其它事件适用于某个情境时，则可以推论某个事件适用于该情境。这样，就能从关于使用的情境的低层级(low-level)传感器数据中推导出已经提及的高层级用户情形。这个推导过程可能采取若干步骤。

按照本发明的方法的一个实施例在权利要求5中描述。在这个实施例中，事件包含物理事件、内容事件、人物(people)事件和输入事件的至少其中之一。物理、任务和输入事件描述情境。通过区分不同种类的事件，使得能够进行关于事件的进一步推理。

按照本发明的方法的一个实施例在权利要求6中描述。在这个实施例中，用户简档和群组简档以至少一个简档规则(profile rule)为基础，对于用户或用户组，该至少一个简档描述当一个给定事件发生时应该按照该用户或用户组来实现关于哪个可能的事件的动作(action)，并且该方法包含为确定该可能的事件而把该至少一个简档规则应用到包括该给定事件的情境信息的步骤。一个动作例如是动作“做(do)”。这个动作可能要求在该给定事件发生时实现该可能的事件。在一个典型的应用中，简档规则中的给定事件描述情境，而可能事件则描述内容。但是也能用一个简档规则来表达其它好恶或指令，诸如：给定某个歌曲，另一个歌曲也非常有趣；当电话响铃时，把声量调低；当我独自一人并全神贯注时，请不要打扰。通过使用一个逻辑与(conjunction)来包括一个规则的给定事件中的两个用户，就能建立特定一对用户的简档。

按照本发明的方法的一个实施例在权利要求7中描述。在这个实施例中，该可能的事件是用一个评级值(rating value)和给出该评级值的用户确定的。在简档规则中可能出现的动作的一个例子，是为该给定事件发生时的情形对可能事件进行评级的动作。通过既包括评级值又包括给出该评级值的用户，就能确定规则的重要性。在有些情况中，例如，可能希望给由招待一组人的主持人所确定的评级以高优先权。

按照本发明的方法的一个实施例在权利要求8中描述。在这个实施例中，使用一种语义Web(Semantic Web)语言来表现关于媒体内容的信息和情境信息的信息。术语“语义Web”代表对万维网的未来的一种想像(vision)，参见Berners-Lee，T.1998年的《Semantic WebRoad Map(语义Web路线图)》(万维网联盟，http：//www.w3.org/DesignIssues/Semantic.html )，Berners-Lee，T.与Fischetti，M.1999年的《Weaving the Web(编织Web)》(Harper Collins，纽约)，以及Berners-Lee，T.、Hendler，J.和Lassila，O.2001年的《The Semantic Web(语义Web)》(ScientificAmerican，2001年5月，http：//www.scientificameican.com/2001/050lissue/0501berners-lee.html)。语义Web语言可被用来方便因特网上的信息的表示和利用因特网上的信息的推理。为此，可以使用“Resource Description Framework(资源描述构架)”(见http：//www.w3.org/TR/REC-rdf-syntax(RDF))和“RDF Schema(RDF方案)”(见http：//www.w3.org/TR/2000/CR-rdf-schema-20000327)以及“Web Ontology Language(Web本体语言)”(见http：//www.w3.org/2001/sw/WebOnt/(OWL))。

按照本发明的方法的一个实施例在权利要求9中描述。在这个实施例中，把不同用户的用户简档分开存储在因特网上的不同地方。通过把不同用户简档存储在因特网上的不同地方，存储容量要求被分布在与因特网相连的多个服务器上。此外，可以从不同的地方访问用户简档，因而不需要在不同的服务器上存储一个用户简档的几个拷贝。用户通过让它们的偏好文件可在因特网上获得，可能受到只供私人使用的保护，这样就能在多个情形中受益于该简档。例如，当到达世界上某处的一个酒店时，房间的收音机可利用通过这些偏好所提供的知识播放音乐。  (这要假设该酒店的收音机是一个因特网收音机系统的一部分。)用户简档的维护也能得到简化，因为用户能更新偏好文件，并且一致性问题在偏好文件的上下文内被解决。此外，通过使用因特网，就有可能在任何时间从任何地方更新偏好。

按照本发明的方法的一个实施例在权利要求10中描述。在这个实施例中，把事件之间的已知数学关系定位于一个中央服务器上。这个信息在确定适合于特定的用户情形的查询的过程中起着重要的作用。通过把这个信息定位在中央服务器上，方便了对这个信息行使控制、特别是维护(更新)这个信息的可能性。此外，这对于性能、可靠性和安全性也带来优点。此外，只需要有一个与这个服务器的连接，就能检索这个信息的全部。在对来自该服务器中的数学关系的使用过程中，可以进行到不同于这些关系最初被存储的形式的其它表现形式的转换。

按照本发明的方法的一个实施例在权利要求11中描述。在这个实施例中，该方法包含应用一个查询创建策略的步骤。通过应用不同的查询创建策略，就能根据相同的情境信息从因特网检索不同的媒体内容。这样的查询创建策略的例子是：人人均等，专用于特定用户，主持人策略或大多数策略。

按照本发明的方法的一个实施例在权利要求12中描述。在这个实施例中，该方法包含通过协作过滤(collaborative filtering)来检索被查询的媒体内容的步骤。通过使用协作过滤，可以使用一种已经证明是有效的著名技术。该技术允许通过以相当一般的方式(例如以描述音乐流派(genres)的关键字而不是用特定歌曲的标识符)制定的查询来检索媒体内容。

本发明的另一个目的是提供一个按照前文的使得能够以改进的方式检索媒体内容的系统。为了实现这个目的，该系统包含：定义装置，被设计用来定义一个检索媒体内容的查询，通过使用情境信息，这个查询是适合用户的情形的；检索装置，被设计用来从存储系统中检索所查询的媒体内容；以及呈现装置，被设计用来向用户呈现被查询的媒体内容。

本发明的另一个目的是提供一个按照前文的使得能够以改进的方式检索媒体内容的计算机程序产品。为了实现这个目的，该计算机程序产品被设计得能执行按照本发明的方法。

本发明的另一个目的是提供一个按照前文的使得能够以改进的方式检索媒体内容的信息载体。为了实现这个目的，该信息载体包含按照本发明的计算机程序产品。

本发明的另一个目的是提供一个按照前文的使得能够以改进的方式检索媒体内容的娱乐装置。为了实现这个目的，该娱乐装置包含按照本发明的系统。

本发明的这些和其它方面，将显见于如以下附图所示的、在下文中说明的实施例并参照这些实施例得到阐明，其中：

图1表示一个媒体相关的系统的全局(global)系统体系结构；

图2表示一种RDF数据模型；

图3示意性地表示按照本发明的一个系统的主要部分；

图4示意性地表示包含按照本发明的系统的因特网使能的装置。

术语“语义Web”代表万维网的未来的一种日益流行的想像，参见Berners-Lee，T.1998年的《Semantic Web Road Map(语义Web路线图)》(万维网联盟，http：//www.w3.org/DesignIssues/Semantic.html)，Berners-Lee，T.与Fischetti，M.1999年的《Weaving the Web(编织Web)》(Harper Collins，纽约)，或者Berners-Lee，T.、Hendler，J.和Lassila，O.2001年的《TheSemantic Web(语义Web)》(Scientific American，2001年5月，在http：//www.scientificamerican.com/2001/0501issue/0501berners-lee.html电子可得)。有认真的努力来实现语义Web。万维网联盟(W3C)组织语言的开发以便支持语义Web。

现有的Web自一开始就允许人们阅览和检索驻留在Web上任何地方的数据。语义Web旨在成为一种能被机器处理的数据的Web。

现有的Web可被看作是一部大“书”，其中，主要能通过与特定的页的链接，或者通过查找特定词语在页上的出现而寻找到数据。语义Web被构想成是一种大型“数据库”或“知识库”。对于普通的数据库，可以通过按照所期望的含意规定一个请求来寻找数据。语义Web旨在以机器能理解的方式记录信息，其中的理解意味着就像人一样地理解含意或者与已经理解的事物关联。

现有的Web可被看作是因特网和超文本的结合，而语义Web被看作是因特网与知识表示的结合；在知识表示领域中，研究如何以使得利用知识推理(reasoning with knowledge)能被自动化的方式来表示知识。语义Web可以由“让推理明确(explicit)”这个口号来描述。在目前的情况中，推理过程常常在很大程度上依然是隐藏的，例如隐藏在Java程序内。不用语义Web技术，用XML就能使推理过程所需要的知识明确。XML确实提供用于详细说明(specify)能被用来详细说明文档中的项目(items)的顺序的语法的一般手段，但是当前并不提供用来详细说明某些种类的信息的含意的一般手段。语义Web的想像的一个中心点是实现在Web上表现知识和含意的统一机制。在语义网络上，用于引出结论的事实和规则要被明确地表现，表现的方式使得任何计算机程序能遵循实际的推理。

语义Web旨在提高开发利用Web的智能代理的可能性。想像是，如果数据是以标准化的方式用语义表达的，则想像是数据甚至能被一个不是为处理这个特定数据而专门开发的计算机程序处理。

现有的Web利用HTML和XML，而语义Web另外还利用一种所谓的本体语言来详细说明信息含意。标准语义Web语言将以XML为基础，并且将伴以能自动地合并由语义Web上的信息所暗示的基本推断步骤的标准实现方式。由此，语义Web语言和它们的实现方式促进了具有推理功能的基于Web的系统的开发。已经用(基于XML的)语言RDF和RDF方案进行了这个方向上的第一步。

图1表示一个媒体相关的系统的全局系统体系结构。该系统以一种适合于当前情境的方式呈现媒体(音乐、视频、游戏等等)。例如，可以用在场的人的偏好来确定适合播放的歌曲。除了适应性改变(adaptation)外，也允许直接的用户输入。可以应用因特网和Web技术来实现这种自适应性(adaptivity)。特别地，可以用语义Web技术来方便因特网上信息的表现和利用因特网上信息的推理，并且开发一种自动化的查询制定程序(query formulation procedure)以连接到信息检索系统。本发明能使现有推荐器系统成为知道情境的(context-aware)并且可应用于成组的人而不仅仅是个人。本发明使用情境信息，情境信息包括关于在场的人和物体的信息、用于关于情境进行推理的规则和情境相关的用户简档。

本节描述一种用于了解使用的情境并能适应这个情境的媒体相关系统的开发的全局体系结构。这个体系结构在图1中表示。

与用户的交互以及关于使用情境的观察，用各种I/O装置102至108进行。例如，可以有输入装置、输出装置、传感器和致动器(actuator)。输入和输出装置代表用于人与系统之间的交互的工具，包括诸如遥控器和显示器等装置。可以用输出装置向用户提供媒体内容。传感器代表的是系统用来检测或推断用户的当前情形的装置，以便使得系统能以知道情境的方式适配用户-系统交互。当然，系统也能使用通过输入装置接收的信息。传感器的例子有，感知房间中的物体(的ID)的标签读取器，或者自动视觉设备。

本发明的范围并不仅仅限于诸如音频、视频或图形等形式的媒体内容的表现。本发明的构思也能被应用于以减少对明确的用户输入的需要的方式进行对如照明或房间温度等其它条件的选择和调节。在此8情况下，先前提到的I/O装置例如包括控制照明或加热设备的致动器。特别地，例如自然可以使媒体呈现伴以适当的照明条件的调节。

该系统体系结构的一个中心部分由一个信息储存器构成，该储存器允许以机器可理解的方式在全球范围内描述、链接和分布关于用户、装置、内容项目和体验的信息。术语“环境信息(ambientinformation)”被用来指关于由知道情境的自适应媒体系统所要求的内容和情境的信息。在语义Web 110上明确这个环境信息112，允许我们定制为包括不同I/O装置102-108的不同的用户体验适配Web 114上的内容所涉及的计算过程116-124。I/O装置102-108或者直接通过交换XML、或者通过把XML(RDF)写到语义Web而间接地与计算过程116-124通信。应当注意的是，在这个对全局系统体系结构的说明中，语义Web只是一种组织环境信息的存储的方式。作为语义Web的一种替代选择，例如可以使用普通的Web，或者可以使用借助于数据库技术的存储信息的集中方式。类似地，可以从一个集中式内容储存器而不是从Web取得内容。

作为语义Web 110的一部分的环境信息112的实现，是通过分布和链接RDF文档进行的。可以将真实对象(例如人、装置、物理对象)和虚拟对象(例如内容项目、web服务、一般知识规则)与RDF文档相关联，RDF文档以机器能理解的方式描述这些对象。对象之间的关系可通过链接这些RDF文档而被描述。

图1的体系结构由一个维护部件和一个操作部件组成。维护部件由爬行(crawling)过程122和索引(indexing)过程120组成。图1的操作部件由查询制定过程124、信息检索过程118和呈现生成过程126组成。

第一个步骤由查询制定过程124处理。它的任务是分析直接或间接地通过语义Web 110从不同的输入装置102-108接收的输入。它然后根据这个信息和可能已经在语义Web 110上存在的情境信息，计算一个查询并确定应当把这个查询转发到哪个检索过程118。

第二个步骤包括针对由一个或多个不同内容提供商主持的一个或多个检索过程118执行这个查询。检索过程118的任务是将这个查询与由索引过程120所创建的文档表示做比较，并且按照某个底层相似性函数(similarity function)从数据库返回一个最匹配的文档表示。检索过程118确定哪些文档表示应当被呈现。检索过程118可以被位于不同服务器的不同检索引擎执行。

第三个步骤，呈现生成过程126为用户周围的输出装置102-108生成文档。它的第一个任务是分析由检索过程118接收的输出，并确定如何能把这些文档表示构造成能由输出装置102-108呈现给用户的文档。然后，它根据这个信息和语义Web 110上已经存在的情境信息(例如关于装置的性能、目标应用以及用户的知识)生成文档，并把正确的文档传送到正确的输出装置(或者把文档存储在语义Web 110中供以后使用)。呈现生成过程126最后确定输出装置102-108应当解释什么，例如在屏幕上呈现什么。这一点实际上如何进行留给输出装置102-108自己解决。

环境信息112包含所需的关于情境和内容的信息。环境信息的管理可能包括数据库方面以及AI方面。数据库方面例如处理数据定义、在文件上的分布、事务管理、并发性和安全性。AI方面涉及知识表示和推理，例如：应当用哪些概念来描述情境，应当用哪种规则来关于情境进行推理？

在对表示关于情境的知识的问题的几个解决方法中，有静态方面与动态方面之间的区别。例如，情形计算法(situation calculus)是在AI中已经被广泛研究的方法，该方法在其间发生转变的不同的时间点区分情形(例如参看McCarthy，J.1963年的《Situations，actions and causal laws(情形、动作和因果法则)》(Technical Report，Stanford University，1963，再版于SemanticInformation Processing(M.Minskyed.)，MITPress，Cambridge，Mass，1968年，410-417页)或者Russell，S.J.和Norvig，P.1995年的《Artificial Intelligence(人工智能)》(Prentice Hall，Englewood Cliffs)。作为另一个例子，时间逻辑分离一层描述在某些其它语句时的有效性的语句(例如参看Allen，J.F.1983年的《Maintaining Knowledge about Temporal Intervals(保持关于时间间隔的信息)》(Commun.ACM 26(11)，832-843页)或Allen，J.F.1984年的《Towards a general theory of action andtime(关于动作和时间的一般理论)》(Artificial Intelligence 23(2)，123-154页)。这样的解决方法例如在处理同时发生的具有不同持续时间的事件时往往变得复杂。因此，综合空间方面和时间方面是有益的(参看Hayes，P.J.1985年的《Naivephysics I：Ontologyfor liquids(朴素物理学I：液体的本体)》(Hobbs，J.R.和Moore，R.C.(编辑)，Formal Theories of the Commonsense World，71-107页，Ablex，Norwood)；也参看上文刚刚引述的Russell和Norvig所著的书)。似乎在静态方面和动态方面在一开始彼此不分离时能获得简化的信息建模。因此，本发明考虑一种以综合方式看待空间和时间方面并以事件观念为中心的解决方法。

相当普遍的是，知识表示领领域中的一个重要的折衷是处理表现力对推理效率的问题。高的表现力可能导致推理的困难，而高效的推理只有结合有限的表达才能获得。这已经是一个支持与专用推理程序和算法相结合的专业化的知识表示的论点。

这里，情境信息主要考虑以下方面：

—情境：情形、事件、在场的人，等等。

—关于情境的知识，确定可以关于情境进行推理的方式。

—人和他们关于情境的偏好—以情境相关的方式。

此外，可以把情境看作是事件的组合。“事件”一词应当作非常广义的解释。每个事件是与一个空间-时间块(即子集)相关联的，其中空间不仅包括普通的物理空间，也包括虚拟维度(virtualdimensions)。有时就用一个空间-时间块(chunk of space-time)来标识一个事件是方便的。例如，把一个物体看作一个事件(随时间展开的)，把一个时间间隔也看作一个事件(随空间展开的)。也可以把一个人看作一个事件，可能是终其一生地这样看，或者是仅仅就一天这样看。某人在某钟点期间在某地点的存在，也可被当作一个事件。

这种看待事件的一般方法，可以简化情境知识的表达和利用情境知识的推理。例如，它可导致静态对象与动态变化的某种统一。

事件之间的关系之一，是子事件(subevent)关系，其规定某个事件是另一个事件的一部分。在这种情况中，第一事件(的空间-时间块)是第二事件(的空间-时间块)的一个子集。因此，事件可以由其它事件组成。

可以构造两个事件的逻辑与，它的空间-时间块是这两个事件的空间-时间块的合并(union)。事件的逻辑与由中缀运算符∧或者由关键词AND标记。最一般性的事件是任意事件，它占据全部的空间-时间。最特定的的事件是空事件，它占据空间-时间的空子集，因此不代表现实事件。

可以用虚拟维度扩展真实的物理空间。特别地，描述万维网上的项目的URL(URI)集合被认为是空间的一部分。

为了处理知道情境的媒体系统的目的，可以区分以下各种事件：

—物理事件不涉及人，但是处理例如包括照明、窗帘、电话的装置的配置。这包括触发器，诸如电话的振铃。

—内容事件可以描述内容项目的存在，以及某个内容在某个时间间隔内正在某个地方例如以一定的音量被呈现的事实。因此，内容事件既可以涉及普通空间又可以涉及URI。

—人类事件当然涉及人。例如，进入或离开房间的人，情绪的表达等。

—输入事件是某些人的表达，旨在作为对环境(即系统)的输入。例子：明确的请求、对某些音乐的反馈、具有对某首音乐的评级的效果的动作。因此可以将输入事件类看作人类事件类的一部分。

可以把物理事件、人类事件或输入事件称作情境事件。

可以把某些高层级用户情形称作一种特殊的人类事件。可以如下地给出几个这样的用户情形的例子：单独的：放松的、单独的：专心的、聚会：大的(节日)、聚会：小的(谈话)、移动的、汽车、浪漫的、醒来、就寝、无人在场。

关于情境的知识是按照所谓的原子(atomic)事件描述的。不是以事件的逻辑与表达的事件，必需是原子事件。对于每个原子事件来说，在事件描述中应当包括以下三个属性的至少之一：位置，或空间区领域；时间，或时间间隔；事件的名称，或更具体来说这个事件声明谁或什么。对于复杂的空间-时间块来说，可能需要一个更复杂的对空间和时间方面的描述。此外，包括关于事件的元数据(例如谁或什么在什么时间声明了该事件)可能是恰当的。应当注意的是，允许不完整的信息。例如，一个事件的起始时间(例如某人的出生日)可能是未知的。此外，在不偏离本发明构思的情况下可以在事件描述中包括其它的属性。

一个重要的问题涉及用户情形的检测。不用告诉系统正坐着谈话的一组人在一首著名的歌曲开始播放时突然开始跳舞，通过某些压力传感器的读数就能自动地推断出这个情况。能被自动地从低层级的自动观察中推论出的高层级用户情形越多，“环境智能的水平”就可能越高。

关于事件的推理可以利用事件之间的数学关系进行，所述时间可以用子事件规则表达。子事件规则表达某个事件是另一个事件的一部分：

(SUBEVENT事件A，事件B)    (1)

这个规则规定，事件A的空间-时间块是事件B的空间-时间块的一个子集。在这个对一个子事件规则的句法描述中，事件A被叫作规则的左边，事件B被叫作规则的右边。一个子事件规则的左边可以是有限个数的原子事件的逻辑与，而子事件规则的右边则应当是个原子事件。对子事件规则的左边和右边的这个要求，确定了由一个子事件集合所规定的数学关系的可能范围。涉及子事件规则的基本的推理步骤，是如下所述的一种形式的肯定前件式推理(modus ponens)：

事件A AND(SUBEVENT事件A，事件B)蕴涵事件B    (2)

如果一个子事件规则的左边中的每个原子事件适用于某个情境时，也能推断该子事件的右边中的原子事件适用于该情境，则称该子事件成立。因此，子事件规则允许为用户情形的演绎声明足够的条件的可能性。主要目的是能够在关于使用的情境的低层级传感器数据给定时得出关于高层级用户情形的结论。例如，一个子事件规则可能从事件“只有一个人在场”和事件“正坐在扶手椅上”推论出事件(用户情形)“独自一人放松”成立。对于另一个人来说，从这两个相同的事件得出的结论反而可能是“独自一人专心”。子事件规则的使用使得这样的选择灵活而又可定制，因此能被置于用户的控制之下。

为了描述用户简档，将以下形式的简档规则包含在内：

(PROFILE用户，给定事件，可能事件，动作).    (3)

注意在不偏离本发明构思的情况下也可以使用其它的记号来表示子事件规则和简档规则。

这样一个简档规则中的第一个属性指示该规则是为哪个用户而表达的。接下来的两个属性分别描述一个给定事件和一个可能事件。给定事件可以是有限数量的原子事件的逻辑与，而可能事件则应当是个原子事件。在用户看来，最后一个属性描述的是，当该规则的给定事件实际上发生时，关于应当被实现的该规则的可能事件的一个动作。一个动作的例子是do(做)：这个动作要求在该给定事件发生时实现该可能事件。当致动器包括控制例如灯的装置时，则可以使用包括在某些条件得到满足时调节照明条件的动作的简档规则。另一个可能在简档规则中出现的动作的例子是，对于给定事件发生的情形对可能事件进行评级的动作。这种评级的值例如能用五分制来表达：于是，可以将一个评级记为rating[)]，其中i在1与5之间。

在典型的应用中，简档规则中的给定事件描述情境，可能事件描述内容。但是用户也可以用简档规则来表达其它好恶或指令，诸如：给定某一首歌，另一首歌也是有趣的；当电话响铃时，降低音量；当我独自一人且专心时，请勿打扰。通过在规则的给定事件中使用逻辑与来包括两个用户，人们可以在为特定的一对用户建立简档。正如已经提及的那样，简档规则中的可能事件应当是原子事件。更具体来说，我们可能要求在简档规则中的可能事件是用音乐流派标识的原型(stereotypes)。

可以如下地描述查询制定过程124：

尽管用户也能向系统表达期望，查询制定部件(component)旨在通过能够根据情境信息自动地制定查询而做出贡献。查询制定部件提供关于所期望的内容的信息，可能还提供关于当前情境的信息。查询制定部件把相关的个别用户简档组合起来，并用某种关于情境的推理，把它们应用到当前情境，以寻找一个对所期望的内容的适当描述。查询制定输出可以是一个加权的‘原型’用户简档的列表。检索系统根据来自查询制定部件的输入，提供一个内容标识符列表(一个内容URL列表和可能相关联的注解)。

查询制定过程124包含以下步骤：

第一，一个情境确定步骤把子事件规则应用到记录被传感器检测到的事件的事件描述，以寻找描述当前情境的原子事件的完整集合。这样一个最终得到的事件集合被称作情境描述。情境确定步骤可以被看作是执行对传感器的输入观察的解释。例如，情境确定步骤通常把某些低层级用户观察转换成高层级用户情形。注意，一般来说，情境确定步骤可能包括规则的“链接”。就是说，一个子事件规则可以应用到一个通过应用另一个子事件规则所获得的事件。

情境确定步骤使用查询制定程序所需的大部分计算。为了展示它的计算复杂度是低阶多项式的，给出一个情境确定步骤的算法。该算法使用两个由大写的Context(情境)和Rule(规则)区分的变量。变量Context的值取一个原子事件集合。

Context：＝输入事件集合

重复，直到Context保持不变

对于每个子事件规则Rule执行

如果Rule的左边包含在Context中

则把Rule的右边添加到Context中

返回Context

设e为在输入事件中和子事件规则中出现的原子事件的总数，设s为子事件规则的个数，设k为在一个子事件规则中出现的原子事件的最大个数。则得出用于该情境确定步骤的这个算法的事件复杂度是O(e²sk)  。

第二，一个偏好确定步骤把简档规则应用到一个情境描述，以确定一个与评级值和给出这些评级值的人相组合的可能事件集合，并且确定在所涉及的人看来应当实现的事件。如果一个用户有两个简档规则，使得给定事件被包括在情境描述中，并且如果第一个规则的给定事件比第二个规则的给定事件更具体，则在偏好确定步骤中只选择第一个规则。这里，如果一个事件是一个包括第二事件的所有原子事件的逻辑与，并且如果它也包括附加的原子事件，则该事件被认为比该第二个事件更具体。

把存在于当前情境中的用户的集合记为Uc，把原型集合记为S，把能被分配到简档规则中的原型的动作的集合记为A，则偏好确定步骤实质上为每个用户u∈U_u确定一个数学函数

_u：S_u→A

其中，S_uS是在偏好确定步骤中为用户u在简档规则中选择的原型的集合。

这个偏好确定步骤的输出被用于查询创建步骤，后者生成被发送到检索部件的实际查询。查询创建步骤为每个原型s∈S确定一个权重p_s，其中使得0≤p_s≤1且∑_s∈Sp_s＝1。可以考虑查询创建步骤的几个可能性。为了说明这些可能性，需要引入一些术语。给予每个用户u∈U_c一个用户优先权f_u，使得0≤f_u≤1且∑_u∈Uf_u＝1。此外，赋予每个动作a∈A一个被称作动作权重的数w(a)≥0。

例如，可如前所述地考察以下的动作：

A＝{do，rating[i]：1≤i≤5}.     (4)

例如，可以给予这些动作以下权重：

w(do)＝5，w(5)＝3，w(4)＝2，w(i)＝0(i≤3).    (5)

对于给定的用户优先权f_u、函数_u和刚刚定义的动作权重w(a)，一个原型s∈S的权重可被定义为

用文字来说，对在偏好确定步骤中为其选择了原型s的当前情境中的所有用户，求外面的和。在这个定义中，引入了分母，以减少对于用户的每个单独的简档规则断言的影响，其中对于该用户在当前情境的简档规则中出现许多原型。可以证明，这个定义满足∑_s∈Sp_s＝1。

利用与用户优先权f_u的特定值相结合的公式(6)可以定义许多查询创建策略。例如，人人相等策略(E)给每个用户相等的优先权：

$f_u=\frac{1}{\left|U_c\right|}(u\∈U_c).$

另一个策略，即专用于特定用户(D)，给某特定用户d∈U《12》最高优先权f_d，而其它用户则得到相同的较低优先权：

$f_u=\frac{1-f_d}{\left|U_c\right|-1}(u\∈U_c,u\≠d).$

这个策略的一个例子是主持人策略(H)，其例如是专用于会议或聚会的主持人的。

这些策略E、D、H中的每个都可以用另一个步骤补充，该步骤被称作让最不快乐的更快乐(L)：其想法是，如果某人不喜欢某个原型，则不把这个原型包括在查询制定输出中。这可以以下述方式实现：

对于某个用户u∈U_c来说，如果_u(s)＝1或2，则让p_s＝0。随后，需要把各权重p_s重新归一化，使得∑_s∈Sp_s＝1。应当注意的是，原理上，这样的话有可能每一个权重都会变成0，在这种情况下，则不能应用这个步骤。

作为刚刚讨论的策略的一个替换选择，有一个多数策略(M)，它不是用等式6定义的，而只是返回最经常与最高的动作do一起出现的原型：

并给予这些原型相等的权重(一般来说，这将导致仅仅一个原型)。

查询创建步骤或者可以使用策略E、D、H的其中之一(可能用L补充)或者使用策略M。把对查询创建策略的选择的控制权给予一个主持人用户是自然的。应当注意的是，在不偏离本发明构思的情况下，可以定义替换的查询创建策略。

现在进一步说明信息检索过程118的功能。用本发明可以使现有的推荐器系统成为知道情境的，并且可应用于人群而不仅仅是个人。对此，可以使用协作过滤(例如参看Goldberg，D.、Nichols，D.、Oki，B.M.和Terry，D.1992年的《Using Collaborative Filteringto Weave an Information Tapestry(使用协作滤波来编织信息毯)》(Comm.ACM.32(12)pp.51-60)，或者参看Breese，J.、Heckerman，D.和Kadie，C.1998年的《Empirical Analysis of PredictiveAlgorithms for Collaborative Filtering(协作滤波的预测算法的经验分析)》(Proceedings of the 14th Conference onUncertainty in Artificial Intelligence，Madison，WI.)。

以下说明用于协作过滤的一种标准程序：

中心数据是一个用户数据库，含有用户u对项目i的选票v_u，i。在本发明所考虑的一般应用领领域中，项目是媒体内容项目。如果应用是音乐选择，则项目可以是歌曲。所有用户的集合被记为U，所有项目的集合被记为I。尽管算法是更加一般化的，假设选票是从五分制中取值的，值的范围是1到5。如果I_u是用户u已经投过票的项目的集合，则用户u的平均选票是：

${\stackrel{\‾}{v}}_u=\frac{1}{\left|I_u\right|}\underset{i\∈I_u}{\mathrm{\Σ}}{v}_{u,l}.$

如果把w(u，u’)定义为用户u与用户u’之间的用户相似性，把U_u定义为具有非零的用户相似性分值(scores)(相对于用户u)的用户集合，则用户u对项目i的预测选票p_u，i由下式描述：

$p_{u,i}={\stackrel{\‾}{v}}_u+k_u\underset{u^{\′}\∈U_u}{\mathrm{\Σ}}w(u,u^{\′})(v_{u^{\′},i}-{\stackrel{\‾}{v}}_{u^{\′}}),---\left(7\right)$

其中k_u是一个由等式 $k_u\underset{u^{\text{'}}\∈U_u}{\mathrm{\Σ}}w(u,u^{\text{'}})=1$ 定义的归一化常数。

对于用户相似性w(u，u’)，有几个在使用的定义。对此，可以使用矢量相似性定义：

$w(u,u^{\′})=\underset{i\∈I_u\∩I_{u^{\′}}}{\mathrm{\Σ}}\frac{v_{u,i}}{\sqrt{{\mathrm{\Σ}}_{i\∈I_u}{v}_{u,i}^2}}\frac{v_{u^{\′},i}}{\sqrt{{\mathrm{\Σ}}_{i\∈I_{u^{\′}}}{v}_{u^{\′},i}^2}}.---\left(8\right)$

这里，分母中的平方项的作用是把选票规一化，使得对多个标题投票的用户将不是先验地与其他用户更相似。注意协作过滤中的矢量相似性是信息检索中的矢量相似性的一种适配。用户作为文档的角色，标题作为词的角色，选票作为单词频率的角色。

对于用户u来说，协作过滤过程的输出是一个按p_u，i的值排序的项目i的列表。注意这个过程为一个假设其选票存在于用户数据库中的个别用户提供推荐。

为了以情境相关的方式把这个过程应用到其选票可能不存在于用户数据库中的用户组，可以把来自新用户的选票添加到用户数据库。这个方法的缺点是这可能导致可扩展性的问题，因为用户相似性矩阵w(u，u’)在运行时间必须重新被计算。另一个问题是选票v_u，i是情境相关的：例如，它们并不表明某个用户在一个情形中想要古典音乐，在另一个情形中想要流行音乐。

为了解决这些问题，允许以动态的方式定义一个作为现有用户简档的加权的线性组合的群组简档，并通过取各个用户预测的加权平均来确定该组的预测。如果G是一组用户，w_u，G是这个组中的用户简档u的权重，则可以如下地定义项目i的组预测p_G，i：

$p_{G,i}=\underset{u\∈G}{\mathrm{\Σ}}{w}_{u,G}\·p_{u,i}.---\left(9\right)$

这里的权重w_u，G需要满足∑_u∈GW_u，G＝1。

可以取一个原型集合S，而不是假设当前情境中的用户的各个数据都在由协作过滤程序所使用的用户数据库中。原型在协作过滤数据库中被看作“用户”，它们被用内容流派标识，并且能被用对特定内容项目的投票所定义。这种原型的例子可能是：拉丁音乐(LatinMusic)、滚石乐(Rock)、古典音乐(ClassicalMusic)、Sinatra、Waking-up、浪漫音乐(Romantic)。

如前文所讨论的那样，查询制定程序提供原型s∈S的非负的权重p_s的集合，使得∑_s∈S p_s＝1。这些权重被用来以前文所述的方式根据协作过滤寻找推荐，其中在公式(9)中用原型集合S代替用户组G。现在，存在于当前情境中的用户的选票并不需要在由协作过滤程序所用的用户数据库中。因此，用来以情境相关的方式确定用户简档的简档规则可以完全地独立于协作过滤数据库v_u，j。用户相似性性矩阵不需要频繁的更新。

本发明的一个实施例，是一个应用场景和一个能被用于实现这个场景的情境信息的指示。这个例子使用以上所讨论的所有技术：事件的一般概念(特别是用户情形)、子事件规则和简档规则；情境确定、偏好确定和查询确定；借助原型的基于协作过滤的检索。这个场景表示本发明的另一个特点，即一个情境未必指的是一个地方，而是可以指想要分享相同的媒体内容的人所驻留的不同的、分离的地方。例如，一个坐在汽车中的人想要与一个坐在家中的人分享歌曲。当前的基于因特网的媒体系统(诸如因特网收音机)使得能够在互相远离的地方之间分享特制的媒体内容。本发明也能应用于这种情形。该例中的复杂度的原因是由用户简档和情境知识形成的，它们可以驻留在语义Web上的不同文件中。下一节中例示这是如何进行的。

该场景如下所述。

汤姆在房间中听古典音乐。

安、凯特、鲍勃走进房间。

音乐按照所有用户的简档而变化。

有人带来一个棕榈树(放在桌上)，棕榈树是与一种特殊的聚会—拉丁聚会(Latin party)相关联的。

音乐再次变化。聚会继续。

麦克打电话说交通拥挤，它被堵在路上，将迟到30分钟。汤姆提议让他听正在聚会上播放的音乐。麦克说：“这个主意很好”。

音乐开始在汽车中播放…

聚会结束。

人人散去，每个装置都被关掉。

以下子事件规则形成能被用来实现该场景的情境知识：

(SUBEVENT用户A，人)

(SUBEVENT用户B，人)

(SUBEVENT用户C，人)

(SUBEVENT用户D，人)

(SUBEVENT用户E，人)

(SUBEVENT#persons＝1 AND坐在椅子中，用户情形AR)

(SUBEVENT#persons＞＝3，用户情形SP)

(SUBEVENT#persons＝0，用户情形NP)

函数：#persons()

这里引入一个函数#persons来计算在场的人数。此外，AR代表“单独的(alone)：放松的(relaxing)”，SP代表“小型聚会(smallparty)”，NP代表“无人在场(nobody present)”。例如，这里是一些简档规则：

(PROFILE用户A，用户情形AR，古典音乐，do)

(PROFILE用户A，用户情形SP，聚会音乐，do)

(PROFILE用户A，用户情形NP，无音乐，do)

(PROFILE用户B，用户情形SP AND棕榈树放在桌上，拉丁音乐，do)

(PROFILE用户B，用户情形AR，歌曲X，评级[5])

下面重演该场景，并总结由传感器检测的事件以及由系统推导出的事件。

在初始阶段，当汤姆独自一人时，以下事件已经被输入传感器检测到：

用户A，坐在椅子中，

并且以下事件被系统推导出：

用户情形AR。

在这个情形中，系统选择古典音乐。当安、凯特和鲍勃进来时，传感器检测到以下事件：

用户A，用户B，用户C，用户D，

并且，系统推导出以下事件：

用户情形SP。

在这个情形中，聚会音乐被系统选择。在棕榈树被放到桌上后，传感器检测到以下事件：

用户A，用户B，用户C，用户D，棕榈树放在桌上

并且以下事件被推导出：

用户情形SP。

在这个情形中，系统选择拉丁音乐。在麦克打电话后，唯一的变化是向情境文件添加一个用户，使得该房间被想象得扩展到包括麦克的汽车。

在这个场景的结尾，每个人都走了，在情境文件中没有事件。系统推导出以下事件：

用户情形NP，

并且没有音乐被播放。

图2表示一个描述前文所讨论的情境信息的RDF数据的模型。几个基本的RDF方案属性由穿过圈入字母的圆圈的箭头表示。这对属性rdfs：subClassOf(…的子类)和rdfs：subPropertyOf(…的子属性)(二者都用字母s)以及属性rdfs：domain(领域)(字母：d)和rdfs：range(范围)(字母：r)都成立。类名被圈在圆角矩形中，属性名被圈在椭圆中，文字名被圈在矩形中。

主要的类是yme：Event(事件)和yme：Rule(规则)。类yme：Rule有：yme：subEventRule(子事件规则)和yme：profileRule(简档规则)两个子类。中心属性是yme：itsEvent(它的事件)，其具有子属性yme：itsGivenEvent(它的给定事件)、yme：itsPossEvent(它的可能事件)、yme：itsLeftEvent(它的左边事件)和yme：itsRightEvent(它的右边事件)。属性yme：itsEven t的范围是类yme：Event。yme：itsGivenEvent和yme：itsPossEvent这两个属性的领域是类yme：profileRule。yme：itsLeftEvent和yme：itsRightEvent这两个属性的领域是类yme：subEventRule。最后，有属性yme：itsAction(它的动作)，其具有领域yme：profileRule和范围Action(动作)(一种文字类型)

为了简要，图2不包括资源(resources)rdf：Property(属性)、rdfs：Class(类)和rdfs：Resource(资源)，以及各种被用来指示每个属性是一个属性以及每个类是一个类的rdf：type(类型)语句。

在使用语义Web语言RDF时，可以包括以下各种RDF文件：

—情境文件，其描述由输入传感器所确定的、作为事件的组合的情境；

—情境知识文件，其含有描述用于关于情境的推理的一般知识的子事件规则；

—每个用户的简档文件，其含有简档规则。

如果某用户存在于一定的情境中，则情境文件含有一个指向这个用户的简档的链接。明确的用户输入被用添加到情境文件中的输入事件处理。

以下的例子例示子事件规则和简档规则在RDF中被描述的方式。可以以下述方式描述子事件规则(SUBEVENT事件A AND事件B，事件C)：

<rdf：Description rdf：about＝″http；//.../yme/coKn.rdf#subEventRuleA″>

<rdf：type rdf：resource＝″http：//.../yme/yme#subEventRule″/>

<yme：itsLeftEvent rdf：resouce＝″http：//.../yme/coKn.rdf#eventA″/>

<yme：itsLeftEvent rdf：resource＝″http：//.../yme/coKn.rdf#eventB″/>

<yme：itsRightEvent rdf：resource＝″http：//.../yme/coKn.rdf#eventC″/>

</rdf：Description>

为了标记的目的，各个URL被简写。可以以下述方式描述简档规则(PROFILE用户A，事件A，事件B，动作A)：

<rdf：Description rdf：about＝″http：//.../usPr-userA.rdf#profileRuleA″>

<rdf：type rdf：resource＝″http：//.../yme/yme#profileRule″/>

<yme：itsGivenEvent rdf：resource＝″http：//.../yme/coKn.rdf#eventA″/>

<yme：itsPossEvent rdf：resource＝″http ：//.../yme/coKn.rdf#eventB″/>

<rdf：itsAction>actionA</rdf：itsAction>

</rdf：Description>

此外，可以以下述方式声明在这些规则中出现的事件为事件：

<rdf：Description rdf：about＝″http：//.../yme/coKn.rdf#eventA″>

<rdf：type rdf：resource＝″http：//.../yme/yme#Event″/>

</rdf：Description>

这些例子显示，子事件规则和简档规则也是以一种规则的形式以RDF/XML表示的。这些RDF语句被伴以用于解释的RDF方案信息。图2中表示了刚刚例示的用于RDF数据的方案。

可以以以下方式实现查询制定过程：可以通过一种特殊的API使初始的推理步骤(情境确定和偏好确定)生效，其被用来与适当类型的RDF文件结合而实现查询创建步骤。该API可以用Java实现，例如使用用于操纵RDF和RDF方案信息的Java类库，诸如由Hewlett-Packard(惠普)公司开发的The Jena Semantic Web Toolkit(Jena语义Web工具箱)，参看http：//www.hpl.hp.com/semweb/jena-top.htmlJena。

可以将本发明的若干优点总结如下。首先，可以让现有的媒体推荐器变成知道情境的，而不必从头重写它们。第二，通过使用标准的因特网和Web技术，使得能实现互操作性并方便用户。通过选择相同的URL，在聚会地的因特网收音机和麦克的汽车中的收音机(参看前文讨论的场景)都能访问相同的播放列表。第三，通过让用户简档在Web上可获得，就能在其它知道情境的媒体系统中访问相同的用户简档。

图3示意性地表示按照本发明的一个系统的主要部分。系统300包含一个随机存取存储器302、一个软件总线310和一个中央处理单元312。存储器302能通过软件总线310与中央处理单元312通信。存储器302包含计算机可读代码304、306、和308。计算机可读代码304被设计用来执行如前文所述的查询制定过程。计算机可读代码306被设计用来执行如前文所述的信息检索过程，计算机可读代码308被设计用来执行如前文所述的呈现生成过程。信息检索过程被设计用来检索在一个远程定位的存储系统314上存储的媒体内容。存储系统314和按照本发明的系统通过因特网互相连接。存储系统314可以是一个包含一个例如含有音频和视频文件的数据库316的服务器。存储系统314也可以分布在多个服务器上，每个服务器包含多个音频和/或视频文件。该系统是通过一个软件系统为例被描述的。然而，也包括被设计用来执行所述的方法步骤的专用硬件或者像可编程硬件那样的软件与硬件的组合。

图4示意性地表示包含按照本发明的系统的因特网使能的装置。一个因特网使能的电视机402包含按照本发明的系统410，并通过因特网连接408双向地连接到一个因特网使能的收音机404。因特网使能的收音机404包含一个按照本发明的系统412并通过因特网连接408双向地连接到一个个人电脑406。个人电脑406包含一个按照本发明的系统414并双向地连接到电视机402。个人电脑406能下载被设计用来执行如前文所述的按照本发明的方法的计算机可读代码418。计算机可读代码418能被个人电脑406从诸如CD、CD+RW、DVD等存储装置416中读取。电视机402、收音机404和个人电脑406是因特网使能的装置的例子。例如移动电话等其它因特网使能的装置也是可行的。

本发明方法的所述实施例中的顺序不是强制的，在不偏离本发明的构思的情况下，所属技术领域中的熟练人员可以利用线程模型、多处理器系统或多进程来改变各步骤的顺序或者并行地执行各步骤。

应当注意的是，上述实施例解释而并非限制本发明，所属技术领领域的熟练人员在不偏离后附的权力要求书的范围的情况下能够设计许多替换的实施例。在权利要求书中，被置于括号中的任何附图标记不应被认为是对权利要求的限制。“包含”一词并不排除存在权利要求中所列举的以外的元件或步骤。元件前面的“一个”一词并不排除存在多个这样的元件。本发明可以通过包含若干不同元件的硬件实现，可以通过适当编程的计算机实现。在枚举若干装置的系统权利要求中，若干个这些装置能具体体现为同一项计算机可读软件或硬件。某些技术手段是在互相不同的从属权利要求中叙述的，仅仅这个事实并不表明不能有益地采用这些措施的组合。

Claims (16)

1.向用户或用户组呈现媒体内容的方法，其中媒体内容驻留在一个存储系统上，该方法包含以下步骤：

定义一个检索媒体内容的查询，通过使用情境信息，这个查询是适于用户的情形的；

从存储系统中检索所查询的媒体内容；以及

向用户或用户组呈现被查询的媒体内容。

2.按照权利要求1的向用户或用户组呈现媒体内容的方法，其中，情境信息包含以下各项的至少其中之一：关于至少一个在场的人的传感器数据、关于至少一个在场的物体的传感器数据、情境相关的用户简档以及情境相关的群组简档。

3.按照权利要求1的向用户或用户组呈现媒体内容的方法，其中，情境信息包含一个事件组合，该事件组合中的每个事件是通过以下各项的至少其中之一描述的：关于空间的信息、关于时间的信息以及关于对应事件描述了谁或什么。

4.按照权利要求3的向用户或用户组呈现媒体内容的方法，其中，情境信息包含事件之间的一个数学关系，以便使得能够进行关于事件的推理。

5.按照权利要求3的向用户或用户组呈现媒体内容的方法，其中，事件包含物理事件、内容事件、人物事件和输入事件的至少其中之一。

6.按照权利要求2的向用户或用户组呈现媒体内容的方法，其中，用户简档和群组简档以至少一个简档规则为基础，对于用户或用户组来说，该至少一个简档描述当一个给定事件发生时关于哪个可能的事件应当被实现的动作，并且该方法包含为确定该可能的事件而把该至少一个简档规则应用到包括该给定事件的情境信息的步骤。

7.按照权利要求6的向用户或用户组呈现媒体内容的方法，其中，该可能的事件是用一个评级值和给出该评级值的用户确定的。

8.按照权利要求2的向用户或用户组呈现媒体内容的方法，其中，使用一种语义Web语言来表示关于媒体内容和情境信息的信息。

9.按照权利要求2的向用户或用户组呈现媒体内容的方法，其中，不同用户的用户简档被分开存储在因特网上的不同地方。

10.按照权利要求6的向用户或用户组呈现媒体内容的方法，其中，把用于关于事件的推理的数学关系定位于一个中央服务器上。

11.按照权利要求6的向用户或用户组呈现媒体内容的方法，其中，该方法包含为确定要应用的至少一个简档规则而应用一个查询创建策略的步骤。

12.按照权利要求1的向用户呈现媒体内容的方法，其中，该方法包含通过协作过滤检索被查询的媒体内容的步骤。

13.用于向用户呈现媒体内容的系统，其中媒体内容驻留在一个存储系统上，该系统包含：

定义装置，被设计用来定义一个检索媒体内容的查询，通过使用情境信息，这个查询是适于用户的情形的；

检索装置，被设计用来从存储系统中检索所查询的媒体内容；和

呈现装置，被设计用来向用户呈现被查询的媒体内容。

14.被设计用来执行按照权利要求1至12的任何一项的方法的计算机程序产品。

15.包含按照权利要求14的计算机程序产品的信息载体。

16.包含按照权利要求13的系统的娱乐装置。

Images