CN1937462A - 内容偏好得分确定方法、内容重放装置及内容重放方法 - Google Patents

Abstract

一种内容偏好得分确定方法，包括以下步骤：检测内容的特征点或特征值；检测用户在内容的重放期间的肢体动作；以及使用所检测到的特征点或特征值以及所检测到的肢体动作来根据预定义公式计算用户对内容的偏好得分。

Description

内容偏好得分确定方法、内容重放装置及内容重放方法

相关申请

本发明包含相关于2005年9月20日提交给日本特许厅的日本专利申请JP 2005-271266的主题，其全部内容通过引用结合于此。

技术领域

本发明涉及一种用于确定用户对诸如音乐内容或视频内容之类的内容的偏好得分的方法，并涉及一种用于重放内容的装置和方法。

背景技术

存在各种类型的音乐内容、视频内容等，因此用户的偏好程度对单条内容有所不同。

因此，在内容重放装置等中，如果可以确定用户对单条内容的偏好得分，则可能利用该偏好得分来选择内容，从而用户可享受感兴趣的内容。象内容的选择一样，取决于装置的类型，根据用户的喜好来实时地重新混合音乐或视频，比如唱片节目(DJ)或视频节目(VJ)，并向用户提供重新混合的音乐或视频是可能的。

通常，当要在内容重放装置等中确定用户对内容的偏好得分时，用户例如使用个人计算机等来指定表示用户对单条内容的评价或偏好的等级。

根据在日本待审查专利申请公开No.2003-23589中公开的技术，观看者对一条内容的偏好得分基于该条内容的观看历史被计算为：内容观看时间与单位时间之比的函数、或者内容观看时间与内容时间长度之比的函数。

发明内容

然而，使用个人计算机等来指定表示用户对单条内容的评价或偏好的等级对用户而言是费力的。而这在对单条内容的个别片段给出等级时就变得更费力了。

另外，例如，根据在日本待审查专利申请公开No.2003-23589中公开的技术，即使当用户只收听音乐的开始部分就喜欢该音乐时偏好得分也不会变高，除非用户收听(重放)音乐直到结束。相反，当用户收听(重放)一首音乐直至结束时，即使该用户并不特别喜欢该音乐也会获得较高偏好得分。因此，在某些情况下，没有准确地确定用户对一条内容的偏好得分。另外，根据在日本待审查专利申请公开No.2003-23589中公开的技术，难以计算对内容的个别片段的偏好得分。

期望能容易并准确地确定用户对内容的偏好得分，并且期望能容易地确定内容的个别片段的偏好得分。

根据本发明的一个实施例，提供一种内容偏好得分确定方法，包括以下步骤：检测内容的特征点或特征值；检测用户在内容重放期间的肢体动作；以及使用所检测到的特征点或特征值以及所检测到的肢体动作来根据预定义公式计算用户对内容的偏好得分。

根据该内容偏好得分确定方法，根据用户与内容自然同步的程度或状态，即用户如何与音乐或视频同步地移动肢体，来确定用户对内容的偏好得分。

另外，在内容重放装置中，确定对内容的每个片段的偏好得分、并与该片段相关联地设置偏好得分(即，与该段相关联地记录偏好得分)是简便可能的。因而，根据用户的偏好重放内容是可能的。例如，只重放单条内容中具有最高偏好得分的片段，按最高偏好得分的降序依次重放多条内容，或反复重放内容中具有最高偏好得分的片段是可能的。

如上所述，根据本发明的诸实施例，可容易和准确地确定用户对内容的偏好得分，确定内容的个别片段的偏好得分变得简便可能，并且根据用户的偏好来重放内容变得简便可能。

附图说明

图1是示出用于执行根据本发明一实施例的方法的系统的一个示例的示图；

图2是示出根据本发明一实施例的内容重放装置的功能配置的一个示例的图；

图3A-3C是示出肢体动作检测的示例的示图；

图4是示出肢体动作检测的一个示例的示图；

图5是示出肢体动作检测的一个示例的示图；

图6A和6B是示出传感器输出信号及其自相关波形的一个示例的示图；

图7是示出肢体动作检测的一个示例的示图；

图8是示出音乐信号和节拍信息的一个示例的示图；

图9是示出用于计算偏好得分的公式的一个示例的示图；

图10是示出用于计算周期匹配度的公式的一个示例的示图；

图11是示出肢体动作检测信号和节拍信号的一个示例的示图；

图12是示出用于计算节拍周期的公式的一个示例的示图；

图13是示出用于计算相位匹配度的公式的一个示例的示图；

图14是示出用于计算相位匹配度的公式的一个示例的示图；

图15是示出用于计算肢体动作幅度的公式的一个示例的图；

图16A和16B是示出肢体动作检测信号的振幅如何改变的示图；

图17是示出偏好得分确定过程的一个示例的流程图；

图18是示出计算的偏好得分的时间变化的一个示例的示图；

图19是示出关于对每首歌曲设置一个偏好得分的情况的表达式的示图；

图20是示出对每首歌曲设置一个偏好得分的一个示例的表格；

图21A和21B是示出计算的偏好得分及其整数表示的一个示例的示图；

图22是示出表示偏好得分信息的偏好得分表格的一个示例的示图；

图23是示出连续重放对应于最偏好片段的摘要的一个示例的示图；

图24是示出连续重放对应于最偏好片段的摘要的过程的一个示例的流程图；

图25是示出打乱重放的一个示例的示图；以及

图26是示出从最偏好片段开始重放的一个示例的示图。

具体实施方式

1.系统和方法的纵览(图1和2)

图1示出一种用于执行根据本发明一实施例的内容偏好得分确定方法和内容重放方法的系统。本实施例涉及内容为音乐(歌曲)的情况。

内容重放装置10还用作内容偏好得分确定装置；即，内容重放装置10具有确定内容偏好得分的功能。

更具体地，内容重放装置10包括：中央处理单元(CPU)11、其中写入各种程序和数据的只读存储器(ROM)13、以及载入程序和数据的随机存取存储器(RAM14)，它们与其总线12连接。另外，通过接口15连接诸如硬盘或闪存之类的记录介质16。

在记录介质16中，记录作为内容数据(主内容数据)的音乐数据(歌曲数据)、作为内容附加信息(元数据)的音乐附加信息(歌曲附加信息)、以及将如下所述设置的表示偏好得分的信息。

总线12还通过接口17与操作单元18连接，通过接口21与显示器22连接，并通过音频处理器23与音频输出单元24连接。

操作单元18允许用户1执行各种操作和输入各种输入。显示器22显示用于操作输入的屏幕、用于呈现的屏幕等。音频处理器23在压缩数据时扩展诸如音乐数据之类的音频数据，将该数据转换成模拟音频信号，并放大该模拟音频信号。音频输出单元24是输出诸如音乐之类的声音的扬声器或耳机。

总线12还与无线接口(无线通信单元)25连接，并与用于连接到因特网5的外部接口27连接。另外，天线26与无线接口25连接。

在因特网25上，连接有分发服务器7。响应于来自内容重放装置10的请求，将与分发服务器7连接的内容数据库9中所记录的音乐数据和音乐附加信息从分发服务器7发送至内容重放装置10。已发送的音乐数据和音乐附加信息被下载至内容重放装置10的记录介质16。

另外，在内容重放装置10中，肢体动作传感器31通过信号处理器32与总线12连接。如下所述，肢体动作传感器31在音乐(内容)重放期间检测用户1的肢体动作。信号处理器32将从肢体传感器31输出的信号转换成数字数据并分析该数字数据。

图2示出如上所述配置的内容重放装置10的功能配置。内容记录器41由记录介质16及相关联的部分构成。内容记录器41记录作为内容数据(主内容数据)的音乐数据、作为内容附加信息的音乐附加信息等。

内容选择器42由CPU11、ROM13以及RAM14构成。内容选择器42根据由用户1通过操作单元18执行的操作选择一首要重放的音乐(歌曲)，并从内容记录器41中读取对应于该首音乐的数据(歌曲数据)。

被重放的音乐数据并非必然是记录在内容记录器41中的数据，而可以是从分发服务器7分发的。

内容重放单元43由音频处理器23和音频输出单元24构成。内容重放单元43根据从内容记录器41读取的、或从分发服务器7分发的音乐数据来重放音乐。

肢体动作检测器44由肢体动作传感器31和信号处理器32构成。肢体动作检测器44检测用户1在音乐重放期间的肢体动作。

内容附加信息获取单元45由CPU11和相关联部分构成。内容附加信息获取单元45从内容记录器41中读取伴随由内容选择器42所选择音乐的音乐附加信息。该音乐附加信息并非必然是记录在内容记录器41中的音乐附加信息，而可以是从分发服务器7分发的。

内容特征检测器46由CPU11及相关联部分构成。内容特征检测器46从由内容附加信息获取单元45所获取的音乐附加信息中检测音乐的特征点和特征值。或者，可以从由重放单元43获取的音乐数据中提取音乐的特征点和特征值。例如，特征点和特征值可包括音乐的重放期间的节拍、音节位置或拍子(音乐的重放速度)，并且还可以包括节奏模式、重放音量等。

内容偏好得分计算器47由CPU11及相关联部分构成。内容偏好得分计算器47基于从肢体动作检测器44获取的肢体动作检测信号，即用户在音乐重放期间的肢体动作、以及由内容特征检测器46检测到的音乐的特征点和特征值，来根据预定义公式计算用户1对该首音乐的偏好得分。

内容偏好得分管理器48由CPU11及相关联部分构成。内容偏好得分管理器48将由内容偏好得分计算器47计算的偏好得分与该音乐相关联地记录在内容记录器41中，以对该首音乐设置偏好得分。内容偏好得分管理器48还检索偏好得分，用于由内容选择器42在随后重放音乐时选择音乐。

2.偏好得分确定方法(图3-7)

下面将描述由上述内容重放装置10执行的偏好得分确定方法的一个特定示例。

2-1.肢体动作检测(图3-7)

肢体动作传感器31检测用户1在音乐重放期间的肢体动作，例如头部的动作或手臂的摆动。例如加速度传感器或摄像机可用作肢体动作传感器31。

作为一个示例，如图3A所示，头戴式耳机具有左右扬声器51和52以及耳机头环53，并且加速度传感器33附于耳机头环53上。作为另一个示例，如图3B所示，颈戴式耳机具有左右扬声器54和55以及颈环56，并且加速度传感器33附于扬声器54和55中的一个或两个上。作为又一个示例，如图3C所示，内耳式耳机具有要插入左右耳洞的扬声器57和58，并且加速度传感器33a和33b附于扬声器57和58上。

用户与音乐同步地摆动头部是自然的。因而，通过使用一个或多个附于戴在用户头部的耳机上的加速度传感器来检测头部的动作，就可更自然地测得用户与音乐的同步程度。

或者，如图4所示，用户可将具有加速度传感器34的腕表戴在手腕上，从而可检测到用户手臂的摆动。当内容重放装置10采取腕表的形式时，加速度传感器包括在内容重放装置10中。

当内容重放装置10采取如图5所示的便携式设备的形式时，内容重放装置10可包括三轴加速度传感器35。在一种便携式硬盘播放器中，安装了三轴加速度传感器以检测播放器的坠落，从而可防止对硬盘相关部件的损坏。使用三轴加速度传感器，能检测到用户携带内容重放装置10并收听音乐的肢体动作。

当肢体动作传感器31是上述加速度传感器之一时，获得图6A所示的信号作为传感器输出信号。

同样，在室内等地方，如图7所示，通过摄像机37拍摄用户1的图像、并通过视频处理器处理从摄像机37输出的视频数据来检测用户1的肢体动作是可能的。更具体地，视频处理器38将多帧图像数据相互比较来计算帧间差异，从而检测动作的速度。通过计算速度的差异也可检测动作的加速度。

2-2特征检测(图8)

音乐的特征点或特征值从音乐的音乐数据或伴随音乐的音乐附加信息中检测。

图8示出其中从音乐数据中检测歌曲的特征点或特征值的一个示例。图8示出音乐数据的模拟信号的波形，其中最大幅值的点对应于音节的开始，而较大幅值的点对应于节拍。这里的“节拍”包括音节。

在本示例中，歌曲的节拍(节拍定时)被检测为节拍信息。可例如通过专用应用程序等跟踪的实时节拍来实现节拍的提取。

当歌曲的节拍信息已被记录为音乐附加信息时，可从音乐附加信息中提取节拍信息。

在此情况中，例如，包括节拍信息的音乐附加信息被记录在记录介质16中与音乐数据相同的文件内的独立块中，或被记录成与音乐数据分开的文件，并在计算偏好得分时被检索。或者，包括节拍信息的音乐附加信息可被记录在分发服务器7上的内容数据库9中，并可预先或在计算偏好得分时从分发服务器7获取。

2-3.偏好得分的计算(图9-16)

用于计算偏好得分的公式(图9)

例如，按图9所示的表达式(1)计算用户对歌曲的偏好得分。R(t)表示时间t时的偏好得分，C(t)表示肢体动作检测信号与节拍信息的周期的匹配度，P(t)表示肢体动作检测信号的相位与节拍信息的匹配度，I(t)表示肢体动作的幅度(节奏强度)，而α和β表示加权系数。

即，在此例中，当肢体动作检测信号与节拍信息的周期的匹配度C(t)变得更高时，当肢体动作检测信号的相位与节拍信息的匹配度P(t)变得更高时，以及当用户的肢体动作变得更大时，所计算的偏好得分R(t)变得更高，因而用户对歌曲的偏好得分被视为更高。

周期的匹配度C(t)(图10-12)

图9所示表达式(1)中的肢体动作检测信号与节拍信息的周期的匹配度C(t)被计算为：肢体动作检测信号的周期Sc(t)和节拍信息的周期Bc(t)之间的差的绝对值。

节拍信息的周期Bc(t)可被计算成相邻节拍定时b(t+1)和b(t)之间的时段，以如图10中的表达式(3)所表达。

当歌曲的拍子在整个歌曲中基本上恒定时，可以从包括在音乐附加信息内的表示歌曲拍子的信息中获取节拍信息。更具体地，设Tm表示歌曲的拍子，假设四-四拍，则当Tm＝120，Bc(t)＝0.5(秒)时，周期Bc(t)可被计算为60/Tm。

可通过以下所述的第一或第二方法获取肢体动作检测信号的周期，即肢体动作的周期Sc(t)。

在第一方法中，从肢体动作检测信号的最大值点或最小值点中获取周期Sc(t)。例如，在图11中，肢体动作检测信号的最小值点是表示成s0、s1、s2、...的点(定时)，并且周期Sc(t)可获取为相邻最小值点s(t+1)和s(t)之间的时段，如图12中的表达式(4)表达。在此情况中，当使用移动平均值时，虽然出现时间延迟但仍能获得稳定的值。

在第二方法中，从肢体动作检测信号的自相关中取得周期Sc(t)。例如，当肢体动作检测信号(传感器输出信号)是图6A中所示的信号时，其自相关由图6B所示的波形表示。因而，检测到周期Sc(t)为600毫秒。

人类动作的周期在根据音乐的拍子加以考虑时很少小于每分钟60拍的拍子。因此，在此情况中，可通过用一秒窗口执行计算来减少计算量。

同样，很难用快速拍子与节拍同步地摆动头部或移动肢体，所以常出现用户以多个节拍移动一次或每一音节移动一次的速率移动身体。因而，可通过计算互相关来计算周期的匹配度C(t)。或者，可根据歌曲的拍子将歌曲节拍信息的周期Bc(t)乘以N(其中N为不小于2的整数)，并可以将该结果与肢体动作检测信号的周期Sc(t)相比较。

相位的匹配度P(t)(图13和14)

图9表达式(1)中的肢体动作检测信号和节拍信息的相位之间的匹配度P(t)可通过下述第一或第二方法来计算。

在第一方法中，首先，如图13表达式(5)所表达的，计算肢体动作检测信号的最小值点定时s(t)与相关联的节拍定时b(t)之间的偏差d(t)。在计算预定周期T内的移动平均值的情况中使用表达式(5)。

当偏差d(t)接近于0时，可假定肢体动作与节拍定时相匹配。因此，如图13表达式(6)所表达的，将偏差d(t)的倒数设置成相位的匹配度P(t)。

在第二方法中，如图14表达式(7)所表达的，计算预定周期T内偏差d(t)的标准偏差SD(d(t))。然后，将标准偏差SD(d(t))的倒数设置成相位的匹配度P(t)。

使用该第一方法，处理用户通过切分法来进入音乐的节奏的情况是不可能的，例如在末尾弱拍、引导弱拍或基调强节奏的情况中。第二方法则允许处理这些情况。

然而，根据表达式(7)和(8)计算的P(t)表示相位的稳定性(相位差)、而非相位的匹配度。当P(t)变高时，周期的匹配度C(t)自动变高。因此，使用C(t)或P(t)作为匹配度是足够的。

肢体动作的幅度I(t)(图15和16)

图9表达式(1)中肢体动作的幅度I(t)可根据肢体动作检测信号的幅值A(t)计算。

当肢体动作信号的幅值(最大值-最小值)在预定周期内变大时，它表示动作更大(更剧烈)。因而，如图15表达式(9)所表达的，可根据肢体动作传感器31的安装方式或灵敏度，通过按照N对肢体动作检测信号的振幅A(t)进行归一化来计算肢体动作的幅度I(t)。

偏好得分R(t)的计算

周期的匹配度C(t)、相位的匹配度P(t)以及肢体动作的幅度I(t)如上所述地进行计算，并且偏好得分R(t)根据图9表达式(1)来进行计算。根据内容重放装置10的硬件配置、肢体动作传感器31的安装方式等来调节加权系数α和β。

偏好得分R(t)用上述方式计算。然而，如下所述，计算的最终结果可通过用整数表示偏好得分R(t)、或在整首歌曲中取偏好得分R(t)的积分(平均数)来获得。

另外，如下所述，已计算的偏好得分被呈现给用户并与该歌曲相关联地记录，从而该偏好得分被设置成该歌曲的偏好得分。

2-4.偏好得分确定过程(图17)

图17示出由如上所述的内容重放装置10执行的偏好得分确定过程的一个示例。

本示例中的偏好得分确定过程60响应用户指令开始。首先，在步骤61，启动由肢体动作传感器31和信号处理器32对肢体动作的检测。然后，在步骤62，选择由用户指定的歌曲。然后，在步骤63，读取与选定歌曲相关联的节拍信息。

然后，在步骤64，启动选定歌曲的重放。在步骤65，计算周期的匹配度C(t)。在步骤66，计算相位的匹配度P(t)。在步骤67，计算肢体动作的幅度I(t)。在步骤68，计算偏好得分R(t)。

然后，在步骤69记录算出的偏好得分R(t)，并在步骤71呈现算出的偏好得分R(t)。步骤69中的记录是直到关于选定歌曲的处理完成前在RAM14中的临时记录，并与下述偏好得分的设置不同。步骤71中的呈现方法将在后面描述。

然后，在步骤72，检查是否已完成一首歌曲的重放或一首歌曲的处理。当该重放和处理尚未完成时，过程返回至步骤65以重复偏好得分的计算。当该重放和处理已完成时，过程继续到步骤73，在该步骤中记录一首歌曲的偏好得分。

作为一首歌曲的偏好得分，例如通过用整数表示偏好得分R(t)、或在整首歌曲中取偏好得分R(t)的积分(平均数)来为每首歌曲计算一个值是可能的。

记录一首歌曲的偏好得分，以通过将表示一首歌曲的偏好得分的信息与该歌曲相关联地记录在记录介质16上来设置该歌曲的偏好得分。

当在步骤73已记录一首歌曲的偏好得分时，过程继续到步骤74，在该步骤中检查是否存在要重放、并要对其计算偏好得分的下一首歌曲。当下一首歌曲存在时，过程返回到步骤62，以执行对下一首歌曲的处理。当不存在要重放并要对其计算偏好得分的下一首歌曲时，退出偏好得分确定过程60。

步骤71中的呈现通过在显示器22上显示算出的偏好得分R(t)的值、或通过音频输出单元24用声音报告算出的偏好得分R(t)的值来实现。

作为在步骤71呈现歌曲的每一片段的偏好得分R(t)的代替，可在步骤73之前或之后立即呈现对一首歌曲的偏好得分。

3.偏好得分设置方法(图18-22)

下面将独立地详细描述上述偏好得分确定过程中的偏好得分设置这一步骤。

图18示出在一首歌曲的周期内所计算的偏好得分R(t)的变化的一个示例。时间tmax表示偏好得分R(t)取得最大值Rmax时的时间(如从歌曲开始时测得的)。

对于偏好得分的设置，可直接为歌曲设置所计算的偏好得分R(t)。或者，可用阈值R0、R1、R2、R3...通过整数来表示偏好得分R(t)，并对该歌曲设置这些整数。对一首歌曲设置一个偏好得分也是可能的。

3-1.对一首歌曲设置一个偏好得分(图19和20)

使用下列三种方法之一对一首歌曲设置一个偏好得分是可能的。

在第一方法中，当最大值Rmax处于由图19表达式(11)所表达的阈值范围内时，n(＝0，1，2，3，...)被设置成歌曲的偏好得分。在图18所示示例的情况中，因为R3＜Rmax＜R4，所以偏好得分设置为3。

在第二方法中，如由图19表达式(12)所表达的，算出的偏好得分R(t)在整首歌曲上积分，并通过将积分结果除以歌曲的时间T来将积分结果归一化，被归一化的值用第一方法上下文中所述的方式通过整数来表示，并且所获值被设置为歌曲的偏好得分。

在第三方法中，最大值Rmax、或对应于该最大值Rmax的整数被记录为歌曲的偏好得分，并一起记录最大值Rmax的出现时间tmax或包括tmax的周期(在图18所示示例中偏好得分R(t)变得大于或等于R3时的周期)。

图20示出通过第三方法设置偏好得分的一个示例。例如，对于歌曲1，“3”被记录为偏好得分R(tmax)，并且“01:45”(歌曲开始时测得的)被记录为时间tmax。

3-2.对一首歌曲设置多个偏好得分(图21和22)

当要对一首歌曲设置多个偏好得分时，用阈值R0-RN通过图21B所示的整数来表示图21A所示的所计算的偏好得分R(t)，并且如图22所示的偏好得分表格所表示的，对歌曲的每一片段记录一组起始点(开始)、结束点(结尾)以及由整数表示的偏好得分R(t)。

或者，只对作为具有较高偏好得分的片段的具有大于或等于某阈值的偏好得分(例如R2)的每一片段记录一组起始点、结束点以及由整数表示的偏好得分是可能的。

4.偏好得分的设置之后的内容重放等(图23-26)

通过以上述方式查看歌曲的偏好得分，可根据已设置的偏好得分按下列方式来重放或选择歌曲。

4-1.与具有最高偏好得分的片段相对应的摘要的连续重放(图23和24)

图23示出为播放列表(歌曲的列表)中所包括的6首歌曲的个别片段设置由整数表示的偏好得分的情况，它被显示成偏好得分中的变化。歌曲1具有最高偏好得分2，歌曲2具有最高偏好得分3，歌曲3具有最高偏好得分2，歌曲4具有最高偏好得分3，歌曲5具有最高偏好得分1，而歌曲6具有最高偏好得分4。

在此情况中，如由“播放”和“跳过”所示，只重放具有单首歌曲的最高偏好得分的片段(周期)，其它片段则被跳过而不重放，从而歌曲按序连续地重放。

然而，在图23中所示的“重放状态”的示例中，严格来说，从具有最高偏好得分的片段开始预定周期的片段是按序重放的。更具体地，歌曲1重放与具有最高得分(2)的片段相对应的15秒，歌曲2重放与具有最高偏好得分(3)的片段相对应的15秒，歌曲3重放具有最高偏好得分(2)的片段的第一个15秒，歌曲4重放与具有最高偏好得分(3)的片段和紧随其后片段(偏好得分为1)相对应的15秒，歌曲5重放具有最高偏好得分(1)的片段的第一个15秒，而歌曲6重放与具有最高偏好得分(4)的片段相对应的15秒。

图24示出在连续重放对应于具有最高偏好得分的片段的摘要时由内容重放装置10执行的过程的一个示例。

在此例中，响应于用户指定播放列表的重放指令启动与具有最高偏好得分的片段相对应的摘要的连续重放的过程80。首先，在步骤81，检索由用户指定的播放列表。然后，在步骤82，确定要重放的歌曲。重放的次序是例如歌曲标识号的升序或播放列表中列表的次序。

然后，在步骤83，检索诸如图22所示的偏好得分表格之类的与要重放歌曲相关联的偏好得分信息。然后，在步骤84，根据该信息检测具有歌曲中最高偏好得分的片段的周期(在此例中只有起始点满足)。然后，在步骤85，从具有最高偏好得分的片段开始处启动歌曲的重放。

然后，在步骤86，检查重放从重放的开始起是否持续了预定时间(例如如上所述的15秒)。当重放尚未持续预定时间时，过程继续到步骤87，在该步骤中检查用户是否已执行停止重放的操作。当用户尚未执行停止重放的操作时，过程返回至步骤86。

当在步骤86确定重放已持续预定时间时，过程继续到步骤88，在该步骤中检查是否已完成了播放列表中所有歌曲的重放。当所有歌曲的重放尚未完成时，过程返回到步骤82以确定下一首歌曲，并重放下一首歌曲中具有最高偏好得分的片段。

虽然未在图23中示出，但当在一首歌曲中存在具有相同的最高偏好得分且在时间上相互分开的多个片段时，按序重放这些片段，或仅重放第一片段。

可只重放一个具有最高偏好得分的片段到该具有最高偏好得分的片段的全部，而非如上所述地从具有最高偏好得分的片段开始将每首歌曲重放预定时间段。在此情况中，重放周期的长度可取决于具有最高偏好得分的片段的周期的长度在各首歌曲中有所变化。同样，在此情况中，当一首歌曲中存在多个具有相同最高偏好得分、并在时间上相互分开的片段时，按序重放这些片段或只重放第一片段。

当在播放列表中所包括的歌曲中存在未赋予偏好得分的歌曲时，根本不重放该歌曲，或在开始时将该歌曲重放一预定时间段。

同样，当根据如上所述用于对每首歌曲设置一个偏好得分的第三方法来设置偏好得分时，最高偏好得分和时间点被记录，从而允许上述与最高偏好得分的片段相对应的摘要的连续重放。

通过上述与最高偏好得分的片段相对应的摘要的连续重放，用户可用较短时段仅按序收听单首歌曲中感兴趣的部分。

4-2.打乱的重放(图25)

按最高偏好得分的降序按序重放播放列表中的多首歌曲也是可能的。

例如，当为如图23所示的6首歌曲设置偏好得分时，按歌曲6(最高偏好得分为4)、歌曲2(最高偏好得分为3)、歌曲4(最高偏好得分为3)、歌曲1(最高偏好得分为2)、歌曲3(最高偏好得分为2)、及歌曲5(最高偏好得分为1)的次序重放歌曲。

在此情况中，每一首歌曲都被全部重放。或者，与连续重放对应于具有最高偏好得分的片段的摘要的情况一样，可仅从具有最高偏好得分的片段开始将每一首歌曲重放预定时间段，或对每一首歌曲只全部重放具有最高偏好得分的片段。

当播放列表中所包括的歌曲中存在未赋予偏好得分的歌曲时，根本不重放该歌曲，或该歌曲在最后全部重放、或只在开始时重放一预定时间段。

同样，当根据用于对每首歌曲设置一个偏好得分的第三方法来设置偏好得分时，最高偏好得分和时间点被记录，从而允许上述摘要的打乱重放和连续重放。

当如上所述根据用于对每首歌曲设置一个偏好得分的第一或第二方法设置偏好得分时，可依次重放歌曲的全部、或从其开始处起按偏好得分的降序依次重放预定时间段。

4-3.通过搜索具有最高偏好得分的片段来重放(图26)

搜索具有最高偏好得分的片段是可能的，如下所述。

图26的上半部分示出对歌曲的中间片段B设置最高偏好得分、并对前一片段A和后一片段C设置低于最高偏好得分的偏好得分的状态。

当搜索并重放具有最高偏好得分的片段时、在用户指示重放歌曲并且从其开始处起开始重放歌曲之后、在用户例如通过在重放片段A期间的时间ta上操作指定按钮来指示搜索具有最高偏好得分的片段时，重放跳至具有最高偏好得分的片段B的开始处，并且重放片段B，如图26的下半部分所示。

在具有最高偏好得分的片段B被重放之后、当用户在重放片段C期间的时间tb上指示搜索具有最高偏好得分的片段时，重放返回(跳)至具有最高偏好得分的片段B的开始处，并且重放片段B。同样，当用户在重放具有最高偏好得分的片段B期间的一时间上指示搜索具有最高偏好得分的片段时，重放从片段B的中间返回至片段B的开始，并且重放片段B。

即，响应于用户的指令，每一次都从片段B的开始处重放具有最高偏好得分的片段B，从而用户能通过简单操作反复收听感兴趣的片段。

同样，当如前所述根据用于对每首歌曲设置一个偏好得分的第三方法设置偏好得分时，偏好得分和时间点被记录，从而允许上述对具有最高偏好得分的片段的搜索。

4-4.根据偏好得分选择歌曲

同样，由内容重放装置10根据已设置的偏好得分选择并重放用户偏好的歌曲是可能的。

例如，当对如图23所示的播放列表中的歌曲设置偏好得分时、当用户指定播放列表并指示选择和重放具有一偏好得分或歌曲中最大的最高偏好得分或大于或等于4的偏好得分的歌曲时，内容重放装置10选择歌曲6，从记录介质16中读取其音乐数据，并重放该音乐。

用户对同一首歌曲的偏好程度取决于时间范围或地点而变化。例如，用户可能在早上而非晚上喜欢收听该歌曲，或用户可能喜欢在户外而不是在家里收听该歌曲。

因此，内容重放装置10可被配置成对不同的时间范围或对由全球定位系统(GPS)测得的不同地点进行个别的计算和设置偏好得分。在此情况中，当在设置偏好得分后选择歌曲时，根据当前时间范围或地点的偏好得分信息被检索并用于选择歌曲。

4-5.偏好得分的使用的其它示例

当用户例如通过将播放列表发送至另一用户的终端来向另一用户推荐音乐时，还能通过将表示已设置的偏好得分的信息作为元信息与播放列表一起发送来传送感兴趣的片段。

5.其它实施例

虽然主要在其中内容是音乐(歌曲)的示例的背景中给出描述，但本发明还可应用于其它类型的内容，例如，视频、光或使用致动器的一系列物理操作。

在视频内容的情况中，检测场景切换的定时或剪切变化、伴随视频内容的音乐或声音的节拍定时或音量等，作为内容的特征点或特征值。

在使用致动器的一系列物理操作的情况中，检测一系列操作中的最大值点或最小值点、一系列操作中个体部分的移动量(幅度)等，作为内容的特征点或特征值。例如，通过对该内容设置算出的偏好得分，只向用户提供用户偏好的操作部分是可能的。

本领域技术人员应当理解，可取决于设计要求和其它因素进行各种更改、组合、子组合和变型，只要它们在所附权利要求书或其等效物的范围内即可。

Claims (16)

1.一种内容偏好得分确定方法，包括下列步骤：

检测内容的特征点或特征值；

检测用户在内容的重放期间的肢体动作；并

用所检测到的特征点或特征值以及所检测到的肢体动作来根据预定义公式计算用户对内容的偏好得分。

2.如权利要求1所述的内容偏好得分确定方法，其特征在于，还包括下列步骤：

将计算出的偏好得分与内容相关联地设置为对内容的偏好得分。

3.如权利要求2所述的内容偏好得分确定方法，其特征在于，

对内容的每一片段计算并设置偏好得分。

4.如权利要求1所述的内容偏好得分确定方法，其特征在于，还包括下列步骤：

呈现计算出的偏好得分。

5.如权利要求1所述的内容偏好得分确定方法，其特征在于，

从伴随内容的内容附加信息中检测内容的特征点或特征值。

6.如权利要求5所述的内容偏好得分确定方法，其特征在于，

从网络获取所述内容附加信息。

7.如权利要求1所述的内容偏好得分确定方法，其特征在于，

从内容的主数据中检测内容的特征点或特征值。

8.如权利要求1所述的内容偏好得分确定方法，其特征在于，

内容为音乐，并且音乐的节拍被检测为特征点或特征值。

9.一种内容重放装置，包括：

特征检测装置，用于检测内容的特征点或特征值；

肢体动作检测装置，用于检测用户在内容的重放期间的动作；以及

偏好得分计算装置，用于使用由所述特征检测装置检测到的特征点或特征值、以及由所述肢体动作检测装置检测到的肢体动作，来根据预定义公式计算用户对内容的偏好得分。

10.如权利要求9所述的内容重放装置，其特征在于，还包括：

偏好得分设置装置，用于将由所述偏好得分计算装置计算出的偏好得分与内容相关联地设置为对内容的偏好得分。

11.如权利要求10所述的内容重放装置，其特征在于，

所述偏好得分计算装置对内容的每一片段计算偏好得分，且所述偏好得分设置装置对内容的每一片段设置偏好得分。

12.如权利要求10所述的内容重放装置，其特征在于，还包括：

用于根据由所述偏好得分设置装置设置的偏好得分选择内容或控制内容的重放的装置。

13.一种内容重放方法，包括下列步骤：

检测内容的特征点或特征值；

检测用户在内容的重放期间的肢体动作；

用所检测到的特征点或特征值、以及所检测到的肢体动作来根据预定义公式计算用户对内容的偏好得分；以及

只重放内容中具有最高偏好得分的片段，或与从具有最高偏好得分的片段的开始处起的预定时间段相对应的片段。

14.如权利要求13所述的内容重放方法，其特征在于，

按偏好得分或最高偏好得分的降序依次重放多条内容。

15.如权利要求13所述的内容重放方法，其特征在于，

当在内容的重放期间发出跳至感兴趣的片段的指令时，重放跳至内容中具有最高偏好得分的片段的开始处，并重放内容的后续部分。

16.一种内容重放装置，包括：

特征检测器，它被配置成检测内容的特征点或特征值；

肢体动作检测器，它被配置成检测用户在内容的重放期间的动作；以及

偏好得分计算器，它被配置成使用由所述特征检测器检测到的特征点或特征值、以及由所述肢体动作检测器检测到的肢体动作来根据预定义公式计算用户对内容的偏好得分。

Images