JP2009516286A - ユーザプロファイルの生成及びフィルタ処理の方法 - Google Patents
ユーザプロファイルの生成及びフィルタ処理の方法 Download PDFInfo
- Publication number
- JP2009516286A JP2009516286A JP2008540731A JP2008540731A JP2009516286A JP 2009516286 A JP2009516286 A JP 2009516286A JP 2008540731 A JP2008540731 A JP 2008540731A JP 2008540731 A JP2008540731 A JP 2008540731A JP 2009516286 A JP2009516286 A JP 2009516286A
- Authority
- JP
- Japan
- Prior art keywords
- user
- user profile
- data representing
- content
- feature space
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
- G06F16/68—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/683—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
- G06F16/63—Querying
- G06F16/632—Query formulation
- G06F16/634—Query by example, e.g. query by humming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
- G06F16/63—Querying
- G06F16/635—Filtering based on additional data, e.g. user or group profiles
- G06F16/637—Administration of user profiles, e.g. generation, initialization, adaptation or distribution
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Library & Information Science (AREA)
- Mathematical Physics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Processing (AREA)
- Management Or Editing Of Information On Record Carriers (AREA)
Abstract
少なくとも1つの認知可能なコンテンツ要素の記録の夫々がコンテンツの各項目に関連付けられ、コンテンツの項目を表すデータを処理する装置(14,15;23−26)のユーザのユーザプロファイル(7;17,19;29)の生成方法は、ユーザに関連するコンテンツの複数の項目の1つに夫々関連付けられた少なくとも1つの認知可能なコンテンツ要素の複数の記録を含む組を決定する段階と、ユーザの好みをユーザに関連付けるユーザプロファイル(7;17,19;29)を表すデータを生成する段階とを有し、ユーザプロファイル(7;17,19;29)を表すデータは、少なくとも一次元の特徴空間の中に1以上のパラメータ値を含み、各次元は、特徴空間の次元の少なくとも1つが、認知可能なコンテンツ要素の少なくとも一部の定量化可能な特性を表すように、認知可能なコンテンツ要素の記録の少なくとも一部の特性を表す。夫々が少なくとも1つのパラメータ値を含み且つユーザプロファイル(7;17,19;29)で特徴空間の次元を定量化する少なくとも一組のパラメータ値は、複数の信号の夫々へ所定の解析アルゴリズムを適用することによって得られ、各信号は、組のパラメータ値が組の記録にある複数の記録に基づくように、少なくとも1つの認知可能なコンテンツ要素の記録の少なくとも一部を表す。
Description
本発明は、少なくとも1つの認知可能なコンテンツ要素の記録の夫々がコンテンツの各項目に関連付けられており、コンテンツの項目を表すデータを処理する装置のユーザのユーザプロファイルを生成する方法であって、
少なくとも1つの認知可能なコンテンツ要素の複数の記録であって、前記ユーザに関連するコンテンツの複数の項目の1つに夫々関連付けられた複数の記録を含む組を決定する段階と、
前記ユーザの好みを示すユーザプロファイルを表すデータを生成する段階とを有し、
前記ユーザプロファイルを表すデータは、少なくとも一次元の特徴空間の中に1又はそれ以上のパラメータ値を含み、
夫々の次元は、前記特徴空間における次元の少なくとも1つが、認知可能なコンテンツ要素の記録の少なくとも一部の定量化可能な特性を表すように、認知可能なコンテンツ要素の記録の少なくとも一部の特性を表す方法に関する。
少なくとも1つの認知可能なコンテンツ要素の複数の記録であって、前記ユーザに関連するコンテンツの複数の項目の1つに夫々関連付けられた複数の記録を含む組を決定する段階と、
前記ユーザの好みを示すユーザプロファイルを表すデータを生成する段階とを有し、
前記ユーザプロファイルを表すデータは、少なくとも一次元の特徴空間の中に1又はそれ以上のパラメータ値を含み、
夫々の次元は、前記特徴空間における次元の少なくとも1つが、認知可能なコンテンツ要素の記録の少なくとも一部の定量化可能な特性を表すように、認知可能なコンテンツ要素の記録の少なくとも一部の特性を表す方法に関する。
本発明は、また、少なくとも1つの認知可能なコンテンツ要素の記録の夫々がコンテンツの各項目に関連付けられており、コンテンツの項目を表すデータを処理する装置のユーザのユーザプロファイルをフィルタ処理する方法であって、
前記ユーザに関連するコンテンツの項目に夫々関連付けられた、少なくとも1つの認知可能なコンテンツ要素の少なくとも1つの記録を含む組を決定する段階と、
前記ユーザの好みを示すユーザプロファイルを表すデータを生成する段階であって、前記ユーザプロファイルを表すデータは、少なくとも一次元の特徴空間の中に1又はそれ以上のパラメータ値を含み、夫々の次元は、前記特徴空間における次元の少なくとも1つが、認知可能なコンテンツ要素であるオーディオトラックの記録の少なくとも一部の定量化可能な特性を表すように、認知可能なコンテンツ要素の記録の少なくとも一部の特性を表す段階と、
前記特徴空間の中に1又はそれ以上のパラメータ値の組を含む1又はそれ以上の更なるユーザプロファイルのいずれかが前記ユーザプロファイルと一致するかどうかを類似性メトリクスを用いて決定するよう配置される第2の装置へ前記ユーザプロファイルを表すデータを送る段階とを有する方法に関する。
前記ユーザに関連するコンテンツの項目に夫々関連付けられた、少なくとも1つの認知可能なコンテンツ要素の少なくとも1つの記録を含む組を決定する段階と、
前記ユーザの好みを示すユーザプロファイルを表すデータを生成する段階であって、前記ユーザプロファイルを表すデータは、少なくとも一次元の特徴空間の中に1又はそれ以上のパラメータ値を含み、夫々の次元は、前記特徴空間における次元の少なくとも1つが、認知可能なコンテンツ要素であるオーディオトラックの記録の少なくとも一部の定量化可能な特性を表すように、認知可能なコンテンツ要素の記録の少なくとも一部の特性を表す段階と、
前記特徴空間の中に1又はそれ以上のパラメータ値の組を含む1又はそれ以上の更なるユーザプロファイルのいずれかが前記ユーザプロファイルと一致するかどうかを類似性メトリクスを用いて決定するよう配置される第2の装置へ前記ユーザプロファイルを表すデータを送る段階とを有する方法に関する。
本発明は、また、コンテンツの項目に関連付けられた少なくとも1つの認知可能なコンテンツ要素の記録の夫々を有するコンテンツの項目を表すデータを処理する装置のユーザの好みを表すユーザプロファイルをフィルタ処理する方法であって、
前記ユーザの好みを示すユーザプロファイルを表すデータを生成する段階であって、前記ユーザプロファイルを表すデータは、少なくとも一次元の特徴空間の中に1又はそれ以上のパラメータ値を含み、夫々の次元は、前記特徴空間における次元の少なくとも1つが、認知可能なコンテンツ要素の記録の少なくとも一部の定量化可能な特性を表すように、認知可能なコンテンツ要素の記録の少なくとも一部の特性を表す段階と、
前記特徴空間の中に1又はそれ以上のパラメータ値の組を含む1又はそれ以上の更なるユーザプロファイルのいずれかが前記ユーザプロファイルと一致するかどうかを類似性メトリクスを用いて決定する段階とを有する方法に関する。
前記ユーザの好みを示すユーザプロファイルを表すデータを生成する段階であって、前記ユーザプロファイルを表すデータは、少なくとも一次元の特徴空間の中に1又はそれ以上のパラメータ値を含み、夫々の次元は、前記特徴空間における次元の少なくとも1つが、認知可能なコンテンツ要素の記録の少なくとも一部の定量化可能な特性を表すように、認知可能なコンテンツ要素の記録の少なくとも一部の特性を表す段階と、
前記特徴空間の中に1又はそれ以上のパラメータ値の組を含む1又はそれ以上の更なるユーザプロファイルのいずれかが前記ユーザプロファイルと一致するかどうかを類似性メトリクスを用いて決定する段階とを有する方法に関する。
本発明は、また、コンテンツの項目に関連付けられた少なくとも1つの認知可能なコンテンツ要素の記録の夫々を有するコンテンツの項目を表すデータを処理する装置のユーザの好みを表すユーザプロファイルをフィルタ処理する方法であって、
第2の装置は、前記ユーザの好みを示すユーザプロファイルを表すデータをデータリンクを介して当該装置から受け取り、前記ユーザプロファイルを表すデータは、少なくとも一次元の特徴空間の中に1又はそれ以上のパラメータ値を含み、夫々の次元は、認知可能なコンテンツ要素の記録の少なくとも一部の特性を表し、前記特徴空間における次元の少なくとも1つは、認知可能なコンテンツ要素の記録の少なくとも一部の定量化可能な特性を表し、
前記第2の装置は、前記特徴空間の中に1又はそれ以上のパラメータ値の組を含む1又はそれ以上の更なるユーザプロファイルを取り出し、その取り出されたプロファイルのいずれかが前記ユーザプロファイルと一致するかどうかを類似性メトリクスを用いて決定する方法に関する。
第2の装置は、前記ユーザの好みを示すユーザプロファイルを表すデータをデータリンクを介して当該装置から受け取り、前記ユーザプロファイルを表すデータは、少なくとも一次元の特徴空間の中に1又はそれ以上のパラメータ値を含み、夫々の次元は、認知可能なコンテンツ要素の記録の少なくとも一部の特性を表し、前記特徴空間における次元の少なくとも1つは、認知可能なコンテンツ要素の記録の少なくとも一部の定量化可能な特性を表し、
前記第2の装置は、前記特徴空間の中に1又はそれ以上のパラメータ値の組を含む1又はそれ以上の更なるユーザプロファイルを取り出し、その取り出されたプロファイルのいずれかが前記ユーザプロファイルと一致するかどうかを類似性メトリクスを用いて決定する方法に関する。
本発明は、また、ユーザプロファイルを生成するシステムであって、本発明に従ってユーザプロファイルを生成する方法を実行するよう構成されるシステムに関する。
本発明は、また、ユーザプロファイルをフィルタ処理するシステムであって、本発明に従ってユーザプロファイルをフィルタ処理する方法を実行するよう構成されるシステムに関する。
本発明は、また、コンピュータプログラムに関する。
米国特許US6,545,209(特許文献1)には、密接に関わり且つ/あるいは同じ状況にあるメディアエンティティを固有のメディアエンティティ特性を用いて相互に関連付けるシステム及び方法が記載されている。データベースからの歌曲は、デジタル信号処理技術に従って分類される。歌曲の実例となる分類は、とりわけ、テンポ、音、旋律の傾向及び音楽の協和特性を含む。所与の曲のメディアに関する定量的な機械による分類及び定量的な人による分類は、分類チェーン(classification chain)と称されるものに分類される。この技術は、音楽の専門家によって定義される心理音響的な知覚空間に所定のパラメータ空間をマッピングする。このマッピングは、メディアのコンテンツに基づく検索を可能にする。プレイリストは、例えば、データベースのデータ記憶において実行される適切な解析及びマッチング(一致)アルゴリズムに従って、単一の歌曲及び/又はユーザ好みのプロファイルから生成され得る。最近傍アルゴリズム及び/又は他のマッチングアルゴリズムは、単一の歌曲に類似し且つ/あるいはユーザプロファイルに適した歌曲の所在を確認するために使用され得る。入力としての歌曲の場合、最初に、入力された歌曲のDSP解析が、その歌曲の属性、品質、成功の可能性等を決定するために実行される。
米国特許US6,545,209
既知の技術の問題は、ユーザの広範囲の好みに一致するプレイリストを要求する幅広い趣味を有するユーザが、複数のプレイリストを生成するために複数の歌曲を示さなければならなかったり、あるいは、あまり正確でない方法を用いて、そのユーザ自身の好みの歌曲の主観的態様を示すユーザプロファイルを提示しなければならなかったりする点である。前者は比較的有効ではなく、一方、後者は、お気に入りの歌曲を主観的態様に従って分類する際の先天的な不正確さにより、繰り返し試みることが必要とされ得る。
本発明は、技術分野の項目で述べたような方法であって、比較的正確且つ効率的なフィルタ処理を可能にするユーザプロファイルの生成方法及びユーザプロファイルのフィルタリング方法と、対応するシステム及びコンピュータプログラムを提供することを目的とする。
上記の目的は、本発明に従ってユーザプロファイルを生成する方法であって、夫々が少なくとも1つのパラメータ値を含み且つ前記ユーザプロファイルにおいて前記特徴空間の次元を定量化する少なくとも一組のパラメータ値は、複数の信号の夫々へ所定の解析アルゴリズムを適用することによって得られ、夫々の信号は、前記組のパラメータ値が前記組の記録における複数の記録に基づくように、少なくとも1つの認知可能なコンテンツ要素の記録の少なくとも一部を表すことを特徴とする方法による1つの態様に従って達成される。
少なくとも一組のパラメータ値は、少なくとも1つの認知可能なコンテンツ要素の記録の少なくとも一部を表す信号の夫々へ解析アルゴリズムを提供することによって得られるので、前記記録の少なくとも1つの特性の客観的な指標が得られる。前記解析アルゴリズムは予め決定されるので、同じアルゴリズムを用いて他のエンティティによって生成されるパラメータ値との比較は、前記組のパラメータ値が基づく記録に類似する特性を有する記録及び記録の組を正確に且つ予測通りに特定することができる。当該解析は、前記組のパラメータ値が、前記ユーザに関連する記録の組における複数の記録に基づくように、複数の信号の夫々へ適用されるので、生成されたユーザプロファイルにおいて表されるユーザの好みは、少なくとも1つの認知可能なコンテンツ要素の幾つかの好ましい記録に基づく。従って、このようなユーザプロファイルがフィルタ処理をされる場合は、即ち、ユーザプロファイルが、他のユーザの好みを特徴付ける又は認知可能なコンテンツ要素の他の記録を特徴付けるプロファイルに対して一致する場合は、ユーザの趣味の範囲にある例外に当たる記録に基づく結果は回避される。これに関連して、認知可能なコンテンツ要素は、このような要素のいずれか一方又は両方を有する視聴覚コンテンツの音響的又は視覚的な要素の1つであると考えられる。例として、音楽ファイル中のオーディオトラック、映画に伴うオーディオトラック、映画の中の画像の連続、ピクチャファイルの中の視覚情報等がある。
実施例では、前記ユーザプロファイルを表すデータは、夫々の記録の少なくとも一部を表す信号へ前記所定の解析アルゴリズムを適用することによって得られる前記組のパラメータ値の記録における複数の記録にわたる分布を表すデータを含む。
従って、前記ユーザプロファイルは、コンテンツに関してユーザの趣味の範囲を示すのに適したものとなる。それはより正確なものとなり、他のユーザの趣味又は、認知可能なコンテンツ要素若しくはユーザプロファイルにおいて表される好みに一致するコンテンツ要素の記録をより良く、ひいてはより高速に検索することを可能にする。
実施例は、前記夫々の記録の少なくとも一部を表す前記信号へ前記所定の解析アルゴリズムを適用することによって得られるパラメータ値へクラスタリングアルゴリズムを適用する段階と、前記特徴空間の少なくとも1つの定量化された次元に沿ってクラスタの位置を示すデータを、前記ユーザプロファイルを表すデータに含める段階とを有する。
実施例では、前記ユーザプロファイルを表すデータは、各クラスタの強さを示すデータを含む。
従って、2つの異なるユーザプロファイルにおいて特定されるクラスタ間の重複の有意性が評価され得る。例えば、第1のユーザプロファイルにある2つのクラスタのうち、1つは第2のユーザプロファイルにおいて示されるクラスタと重なり、もう1つは第3のユーザプロファイルにおいて示されるクラスタと重なる場合に、第1及び第2のユーザプロファイルの間及び第1及び第3のユーザプロファイルの間の一致が順位付けされ得る。
実施例では、前記ユーザプロファイルを表すデータは、前記特徴空間の少なくとも1つの定量化された次元に沿って各クラスの広がりを示すデータを含む。
これは、ユーザの特定の好みが印を付されているか否かを決定するために有用である。類似性メトリクスは、有利に、クラスタの中心間の距離にのみ依存するのではなく、異なるユーザプロファイルにおいて特定されるクラスタ間の重複の領域に基づくことができる。
実施例では、夫々の組が少なくとも1つのパラメータを有し且つ前記特徴空間の少なくとも1つの更なる次元を定量化する少なくとも1つの更なる組のパラメータ値は、複数の信号の夫々へ少なくとも1つの所定の解析アルゴリズムを適用することによって得られ、夫々の信号は、前記組の記録において少なくとも1つの認知可能なコンテンツ要素の記録の少なくとも一部を表し、
前記特徴空間の異なる次元を定量化するパラメータ値間の相関の少なくとも1つの指標は決定され、
前記決定された指標を表すデータは、前記ユーザプロファイルを表すデータの中に含まれる。
前記特徴空間の異なる次元を定量化するパラメータ値間の相関の少なくとも1つの指標は決定され、
前記決定された指標を表すデータは、前記ユーザプロファイルを表すデータの中に含まれる。
従って、この実施例は次元間の関係を決定する。これは、かかる関係によって特徴付けられる特定のスタイルを特定するために有用である。ユーザプロファイル及び/又はユーザプロファイルの比較は、また、2つの次元の間に顕著な関係が存在する場合に、より有効利用され得る。2つの次元のうちの1つを定量化するデータは、ユーザプロファイル又は比較から除かれても良い。
当該方法の実施例は、ユーザ装置による処理のためのコンテンツ項目のユーザ選択に基づいて、当該ユーザに関連付けられたコンテンツ項目を決定する段階を有する。
このような間接的な選択は、別個の選択オプションが前記ユーザ装置に設けられる必要がないので、当該方法を控えめ且つ効率的なものとする。
本発明の他の態様に従って、少なくとも1つの認知可能なコンテンツ要素の記録の夫々がコンテンツの各項目に関連付けられており、コンテンツの項目を表すデータを処理する装置のユーザのユーザプロファイルをフィルタ処理する方法が提供される。当該方法は、
前記ユーザに関連するコンテンツの項目に夫々関連付けられた、少なくとも1つの認知可能なコンテンツ要素の少なくとも1つの記録を含む組を決定する段階と、
前記ユーザの好みを示すユーザプロファイルを表すデータを生成する段階であって、前記ユーザプロファイルを表すデータは、少なくとも一次元の特徴空間の中に1又はそれ以上のパラメータ値を含み、夫々の次元は、前記特徴空間における次元の少なくとも1つが、認知可能なコンテンツ要素であるオーディオトラックの記録の少なくとも一部の定量化可能な特性を表すように、認知可能なコンテンツ要素の記録の少なくとも一部の特性を表す段階と、
前記特徴空間の中に1又はそれ以上のパラメータ値の組を含む1又はそれ以上の更なるユーザプロファイルのいずれかが前記ユーザプロファイルと一致するかどうかを類似性メトリクスを用いて決定するよう配置される第2の装置へ前記ユーザプロファイルを表すデータを送る段階とを有し、
前記ユーザプロファイルにおいて前記特徴空間の次元を定量化する少なくとも一組のパラメータ値は、オーディオトラックの組において少なくとも1つの認知可能なコンテンツ要素の記録の少なくとも一部を表す少なくとも1つの信号へ所定の解析アルゴリズムを適用することによって得られることを特徴とする。
前記ユーザに関連するコンテンツの項目に夫々関連付けられた、少なくとも1つの認知可能なコンテンツ要素の少なくとも1つの記録を含む組を決定する段階と、
前記ユーザの好みを示すユーザプロファイルを表すデータを生成する段階であって、前記ユーザプロファイルを表すデータは、少なくとも一次元の特徴空間の中に1又はそれ以上のパラメータ値を含み、夫々の次元は、前記特徴空間における次元の少なくとも1つが、認知可能なコンテンツ要素であるオーディオトラックの記録の少なくとも一部の定量化可能な特性を表すように、認知可能なコンテンツ要素の記録の少なくとも一部の特性を表す段階と、
前記特徴空間の中に1又はそれ以上のパラメータ値の組を含む1又はそれ以上の更なるユーザプロファイルのいずれかが前記ユーザプロファイルと一致するかどうかを類似性メトリクスを用いて決定するよう配置される第2の装置へ前記ユーザプロファイルを表すデータを送る段階とを有し、
前記ユーザプロファイルにおいて前記特徴空間の次元を定量化する少なくとも一組のパラメータ値は、オーディオトラックの組において少なくとも1つの認知可能なコンテンツ要素の記録の少なくとも一部を表す少なくとも1つの信号へ所定の解析アルゴリズムを適用することによって得られることを特徴とする。
前記ユーザプロファイルにおいて前記特徴空間の次元を定量化する少なくとも一組のパラメータ値は、前記組の記録において少なくとも1つの認知可能なコンテンツ要素の記録の少なくとも一部を表す少なくとも1つの信号へ解析アルゴリズムを提供することによって得られるので、少なくとも1つの認知可能なコンテンツ要素の前記記録の少なくとも1つの特性の客観的な指標が得られる。前記解析アルゴリズムは予め決定されるので、同じアルゴリズムを用いて他のエンティティによって生成されるパラメータ値との比較は、前記組のパラメータ値が基づく記録の特性に類似する特性を有する記録及び記録の組を正確に且つ予測通りに特定することができる。前記組の少なくとも1つのパラメータ値は前記ユーザプロファイルを表すデータに含まれ、第2の装置へ送られるので、当該方法は、前記記録の全体が送られるべき場合よりも効率的である。パラメータ値の向上した正確さ及び客観的性質により、最初の試行での良好な一致の可能性は増し、ユーザの装置と第2の装置との間で交換されるデータの量を減少させることができる。
本発明の他の態様に従って、コンテンツの項目に関連付けられた少なくとも1つの認知可能なコンテンツ要素の記録の夫々を有するコンテンツの項目を表すデータを処理する装置のユーザの好みを表すユーザプロファイルをフィルタ処理する方法であって、
前記ユーザの好みを示すユーザプロファイルを表すデータを生成する段階であって、前記ユーザプロファイルを表すデータは、少なくとも一次元の特徴空間の中に1又はそれ以上のパラメータ値を含み、夫々の次元は、前記特徴空間における次元の少なくとも1つが、認知可能なコンテンツ要素の記録の少なくとも一部の定量化可能な特性を表すように、認知可能なコンテンツ要素の記録の少なくとも一部の特性を表す段階と、
前記特徴空間の中に1又はそれ以上のパラメータ値の組を含む1又はそれ以上の更なるユーザプロファイルのいずれかが前記ユーザプロファイルと一致するかどうかを類似性メトリクスを用いて決定する段階とを有し、
前記ユーザプロファイルを表すデータは、本発明に従ってユーザプロファイルを生成する方法を利用することによって生成される方法が提供される。
前記ユーザの好みを示すユーザプロファイルを表すデータを生成する段階であって、前記ユーザプロファイルを表すデータは、少なくとも一次元の特徴空間の中に1又はそれ以上のパラメータ値を含み、夫々の次元は、前記特徴空間における次元の少なくとも1つが、認知可能なコンテンツ要素の記録の少なくとも一部の定量化可能な特性を表すように、認知可能なコンテンツ要素の記録の少なくとも一部の特性を表す段階と、
前記特徴空間の中に1又はそれ以上のパラメータ値の組を含む1又はそれ以上の更なるユーザプロファイルのいずれかが前記ユーザプロファイルと一致するかどうかを類似性メトリクスを用いて決定する段階とを有し、
前記ユーザプロファイルを表すデータは、本発明に従ってユーザプロファイルを生成する方法を利用することによって生成される方法が提供される。
本発明の他の態様に従って、コンテンツの項目に関連付けられた少なくとも1つの認知可能なコンテンツ要素の記録の夫々を有するコンテンツの項目を表すデータを処理する装置のユーザの好みを表すユーザプロファイルをフィルタ処理する方法であって、
第2の装置は、前記ユーザの好みを示すユーザプロファイルを表すデータをデータリンクを介して当該装置から受け取り、前記ユーザプロファイルを表すデータは、少なくとも一次元の特徴空間の中に1又はそれ以上のパラメータ値を含み、夫々の次元は、認知可能なコンテンツ要素の記録の少なくとも一部の特性を表し、前記特徴空間における次元の少なくとも1つは、認知可能なコンテンツ要素の記録の少なくとも一部の定量化可能な特性を表し、
前記第2の装置は、前記特徴空間の中に1又はそれ以上のパラメータ値の組を含む1又はそれ以上の更なるユーザプロファイルを取り出し、その取り出されたプロファイルのいずれかが前記ユーザプロファイルと一致するかどうかを類似性メトリクスを用いて決定する方法において、
前記第2の装置は、前記組の記録において記録の少なくとも一部を表す少なくとも1つの信号へ所定の解析アルゴリズムを適用することによって前記パラメータ値の少なくとも1つが得られるユーザプロファイルに前記取り出されたプロファイルのいずれかが一致するかどうかを受け取って決定することを特徴とする方法が提供される。
第2の装置は、前記ユーザの好みを示すユーザプロファイルを表すデータをデータリンクを介して当該装置から受け取り、前記ユーザプロファイルを表すデータは、少なくとも一次元の特徴空間の中に1又はそれ以上のパラメータ値を含み、夫々の次元は、認知可能なコンテンツ要素の記録の少なくとも一部の特性を表し、前記特徴空間における次元の少なくとも1つは、認知可能なコンテンツ要素の記録の少なくとも一部の定量化可能な特性を表し、
前記第2の装置は、前記特徴空間の中に1又はそれ以上のパラメータ値の組を含む1又はそれ以上の更なるユーザプロファイルを取り出し、その取り出されたプロファイルのいずれかが前記ユーザプロファイルと一致するかどうかを類似性メトリクスを用いて決定する方法において、
前記第2の装置は、前記組の記録において記録の少なくとも一部を表す少なくとも1つの信号へ所定の解析アルゴリズムを適用することによって前記パラメータ値の少なくとも1つが得られるユーザプロファイルに前記取り出されたプロファイルのいずれかが一致するかどうかを受け取って決定することを特徴とする方法が提供される。
前記ユーザプロファイルにおいて前記特徴空間の次元を定量化する少なくとも1つのパラメータ値の少なくとも1つの組は、前記組の記録において認知可能なコンテンツ要素の記録の少なくとも一部を表す少なくとも1つの信号へ解析アルゴリズムを適用することによって得られるので、当該記録の少なくとも1つの特性の客観的な指標が得られる。前記解析アルゴリズムは予め決定されるので、同じアルゴリズムを用いて他のエンティティによって生成されるパラメータ値との比較は、前記組のパラメータ値が基づく記録の特性に類似する特性を有する記録及び記録の組を正確に且つ予測通りに特定することができる。前記組の少なくとも1つのパラメータ値は前記ユーザプロファイルを表すデータに含まれ、一致するプロファイルを決定するために受け取られて使用されるので、当該方法は、前記記録の全体が受け取られて解析されるべき場合よりも効率的である。パラメータ値の向上した正確さ及び客観的性質により、最初の試行での良好な一致の可能性は増し、第2の装置によって受け取られて処理されるデータの量を減少させることができる。
前記更なるプロファイルが、コンテンツの項目に関連付けられたオーディオトラックの夫々を有するコンテンツの項目を表すデータを処理する装置の更なるユーザの好みを夫々が表す更なるユーザプロファイルによって形成されるところの実施例は、前記ユーザプロファイルに一致する更なるユーザプロファイルを有する更なるユーザを特定する段階を有する。
従って、ユーザを類似した趣味により整合させる効率的且つ正確な方法が提供される。この方法は、ユーザによって提供されるユーザの趣味の主観的描写にしか依存しないわけではない。
実施例は、前記ユーザプロファイルに一致する更なるユーザプロファイルを有する更なるユーザごとに、当該更なるユーザによって選択されるコンテンツ項目のリストを取り出す段階と、
前記ユーザのために、推奨されるコンテンツ項目のリストを生成する段階とを有し、
前記推奨されるコンテンツ項目は、前記取り出されたコンテンツ項目のリストから選択される。
前記ユーザのために、推奨されるコンテンツ項目のリストを生成する段階とを有し、
前記推奨されるコンテンツ項目は、前記取り出されたコンテンツ項目のリストから選択される。
従って、協調フィルタリングの効率的且つ正確であって、より効果的な方法が提供される。当該方法は、夫々のユーザに関連する記録に所定の解析アルゴリズムを適用することによって得られるパラメータ値の比較に基づくので、効率的且つ正確である。それは、幾人かのユーザによって選択されているコンテンツの項目の指示にしか依存しないわけではないので、従来の協調フィルタリング方式よりも効果的である。従って、ターゲットユーザと同様の趣味を有するが、コンテンツの選択された項目をターゲットユーザと共通に有するわけではないユーザによって選択された項目は、また、ターゲットユーザへの推奨が考えられる。当該方法は、当該ユーザによって提供される個人的な順位付けにしか依存しないわけではないので、推奨は、より正確にターゲットユーザの趣味に合わせられる。
本発明の他の態様に従って、ユーザプロファイルを生成するは、本発明に従ってユーザプロファイルを生成する方法を実行するよう構成される。
本発明の他の態様に従って、ユーザプロファイルをフィルタ処理するシステムは、本発明に従ってユーザプロファイルをフィルタ処理する方法を実行するよう構成される。
本発明の他の態様に従って、機械読取可能な媒体に組み込まれる場合に、情報処理機能を備えるシステムに本発明に従う方法を実行させることが可能な命令の組を含むコンピュータプログラムが提供される。
目下、本発明について、添付の図面を参照して更に詳細に説明する。
ここで概要を述べられる方法は、効果的且つ正確なやり方で1又はそれ以上の者の音楽の趣味を表すことが望まれるところの全ての状況において用途を見出す。特に、それは、音楽の趣味に関するかかる表現が装置間でやり取りされるべき場合に有用である。採用される方法は用途ごとにわずかに異なるが、ユーザプロファイルの生成は全ての用途に共通する。
以下では、ユーザプロファイルがオーディオトラックに基づき、且つ、ユーザプロファイルで表される趣味に一致するオーディオトラックを見つけるのに適した例が記載される。しかし、ユーザプロファイルは、また、自身に関連付けられたオーディオトラックを有する異なる種類のコンテンツの項目に関して好みを表すためにも使用され得る。その一例は映像ファイルであり、オーディオトラックは特定の心的状態を表す。当該方法の原理は、また、オーディオトラック以外の認知可能なコンテンツ要素の記録の種類が解析される場合に利用可能である。
図1に表される方法は、有利に、コンテンツの項目、例えばオーディオトラック、をレンダリングするためのシステムによって実行される。具体的には、当該方法は、小型の携帯型音楽プレーヤで有利に実行される。このような装置は、磁気ディスクドライブ又はソリッドステートメモリ装置に記憶されたオーディオトラックの大きなデータベースを有することができる。なお、このデータベースは、全ての歌曲を扱える有限な容量を有する。特に、装置が通信ポート、例えばインターネットへの接続を確立するためのポートを備える場合は、図1の方法によって得られるコンパクト且つ正確なユーザプロファイルは、容易に装置間で共有される。これは、当然、携帯型音楽プレーヤが例えば携帯電話のような装置に組み込まれている実施例においては、より一層当てはまる。
図1に表される方法は、オーディオトラックのデータベース1に基づく。オーディオトラックは、ここで指定されるコンテンツの項目を形成したり、あるいは、他の何らかの方法で、例えば、映像ファイルにあるオーディオトラックであることによって、コンテンツの各項目に関連付けられたりする。第1のステップ2では、データベース1にある複数のオーディオトラックは選択され、選択されたオーディオトラックの組3を形成する。選択は明示的又は暗示的でありうる。後者の好ましい変形例は、最も頻繁に又は最近にレンダリングされたオーディオトラックが選択される場合である。
特徴ベクトル(図示せず。)は、組3におけるオーディオトラックの夫々に関して生成される(ステップ4、5)。特徴ベクトルは多数の要素を含む。各要素は、多次元の特徴空間の次元を定量化するパラメータ値より成る。多次元の特徴空間は、オーディオトラックの知覚的に重要な特性を表す。特定のオーディオトラックに関連付けられた特徴ベクトルにおける各値は、その特定のオーディオトラックの少なくとも一部を表す信号へ所定の解析アルゴリズムを適用することによって得られる。ある実施例では、夫々がオーディオトラックの異なる部分に基づく幾つかの信号は、特徴ベクトルにおける異なる値が異なる部分に関連するように解析される。
所定の解析アルゴリズムに基づく計算方法の使用は、特徴ベクトルが、関連するオーディオトラックの少なくとも一部の知覚的特性の客観的特徴であることを確かにする。関連するオーディオトラックの少なくとも一部は、オーディオトラックを符号化するデータの組全体よりも小さい。実施に依存して、解析アルゴリズムは、入力として、PCM(Pulse-code Modulation(パルス符号変調))値、DCT(Direct Cosine Transform(直接コサイン変換))係数又は符号化された音声ファイルのその他の都合の良い形式を取りうる。
オーディオトラックの知覚的に重要な特性を定量化する適切な解析アルゴリズムは、そのこと自体は知られている。このため、それらについてここでは詳細に記載しない。一例は、Klapuri等による“Analysis of the Meter of Acoustic Musical Signals(聴覚音楽信号のミーターの解析)”、IEEE Trans.Speech and Audio Proc.に記載されている。この論文は、異なる時間スケールに対応するタクトゥス(tactus)、テイタム(tatum)及びメジャー(measure)レベルで聴覚音楽信号のミーターを解析する方法について記載する。その結果は、例えば、音楽のジャンル(クラシック、ジャズ等。)を特定するために使用され得る。ステップ4、5の1つで使用され得るアルゴリズムの他の例は、Scheirer,E.D.による“Tempo and beat analysis of acoustic musical signals(聴覚音楽信号のテンポ及びビートの解析)”、J.Acoust.Soc.Am.103(1)、1998年1月に表されている。更なる可能性は、音声認識アルゴリズムでも採用される、メル周波数ケプストラル係数を用いたオーディオトラック又はオーディオトラックの選択をモデリングすることである。
図1で、特徴ベクトルは、夫々のオーディオトラックに関する入力とともに、テーブル6に入力される。例では、特徴ベクトルは、2つの解析アルゴリズムの結果がベクトルに組み込まれているので、2次元である特徴空間での点を表す。1つのオーディオトラックの幾つかの部分が解析される場合には、特徴ベクトルは、2次元の特徴空間にある1よりも多い点を表すことがある。表現を簡単にするためにここでは2次元の特徴空間が例として用いられていることが知られる。実際には、オーディオトラックのより多くの知覚的特性が定量化され得る。
簡単な実施において、ユーザプロファイルは、シード曲(seed song)と称されるただ1つのオーディオトラックを基に生成される。このユーザプロファイルは、同じ多次元特徴空間にある点を決定するパラメータ値を含む1又はそれ以上の更なる特徴ベクトルのいずれかがシード曲から生成されるユーザプロファイルに一致するかどうかを決定するよう配置された第2の装置へ第1の装置から転送され得る。距離メトリックは、この目的のために使用される。例えば、1つの有用な応用は、他の携帯型音楽プレーヤがそれに記憶された同じアーティストによる更なるオーディオトラックを有するかどうかを、そのアーティストによるものであるとオーディオトラックを特定するタグがない限り、決定することである。他の有用な応用は、特定の心的状態をとらえるオーディオトラックの収集をコンパイルすることである。
図1に表される例では、ユーザの音楽に関する広範囲の好みを表すのに適したユーザプロファイル7が生成される。具体的には、ユーザプロファイル7は、選択されたオーディオトラックの組3にあるオーディオトラックの全体に基づく。それは、解析ステップ4、5で得られたパラメータ値の組3にあるオーディオトラックにわたる分布を表すデータを含む。ステップ4、5で生成されて、テーブル6で表される特徴ベクトルは、データクラスタリングアルゴリズムを用いてクラスタ化される(ステップ8)。
データクラスタリングアルゴリズムは、そのこと自体は知られている。その語は、各サブセットでのデータが何らかの共通の特徴、具体的には、所定の距離測度に従う近似、を共有するような、サブセット(クラスタ)へのデータセットの分割を指す。2つの種類のデータクラスタ化が存在し、これらは図1に表されるステップ8、即ち、階層的クラスタリング及び区分クラスタリングを実施するのに適する。階層的クラスタリング手法は、分割アルゴリズム及び集塊的アルゴリズムを含む。集塊的クラスタリングアルゴリズムは、漸進的にクラスタをマージすることによってクラスタを構成する。夫々の塊は、クラスタ間のより大きな距離で起こる。クラスタ化は、クラスタ間の距離基準が満足された場合に又は十分に少数のクラスタが存在する場合に中止される。区分クラスタリングの例は、k平均法アルゴリズム、QTクラストアルゴリズム及びファジーc平均法クラスタリングを含む。クラスタ化ステップ8を実施するのに特に適したアルゴリズムは、Figueiredo,M.A.T.等による“On Fitting Mixture Models(オンフィッティング混合モデル)”、Hancock,E.and Pellilo,M.(Eds.),Energy Minimization Methods in Computer Vision and Pattern Recognition、54〜69頁、1999年春期に記載されている。これは、集塊的クラスタリングアルゴリズムの一例である。
一例として図2を見てみると、×マークは、次元X及びYを有する2次元の特徴空間において異なる点の印となっている。夫々の点は、特徴ベクトルに関連付けられている。クラスタリングアルゴリズムは、特徴ベクトルのクラスタ10〜12(図2)を特定するテーブル9(図1)をもたらす。クラスタ10〜12は、座標(xi,yi)の組と、2次元の特徴空間内でi番目のクラスタの範囲を示す値riとによってテーブル9で適切に特定される。代替的に、クラスタは、標準偏差Δxiを有する値xiと、標準偏差Δyiを有する値yiとによって表され得る。従って、特徴空間の少なくとも1つの定量化された次元X、Yに沿って各クラスタの広がりを示すデータは、各クラスタ10〜12の位置を示すデータに加えて、クラスタを特定するようテーブル9に含まれる。特徴空間内での各クラスタ10〜12の広がりを示すデータを含む効果は、特定のユーザの好みがどのように印を付されているかを示すことである。この点において、これは、例えば、特定のオーディオトラックのダイナミクスに関わらず、特定のテンポに関して、印を付された好みをとらえるので、別々に各次元に沿って広がりを定量化することが有利である。
望ましくは、各クラスタ10〜12の強さを示すデータは、また、クラスタ10〜12を特定するようテーブル9に含まれる。これは、例えば、クラスタにある特徴ベクトルの数の正規化されたカウントでありうる。クラスタリングは、バラバラの好みを別々に特定する効果を有する。このような情報は、全ての特徴ベクトルの平均しか取られない場合は失われる。各クラスタの強さをも示すことによって、異なるスタイル、アーティスト、ジャンル等の間の順位付けが行われ得る。これは、特に、ステップ2での選択が暗示的な選択である場合に有用である。ユーザが主にロック音楽を選択し、時折クラシック音楽を選択する場合に、このことはユーザプロファイル7で示され得る。ユーザプロファイル7は、クラスタ10〜12を特定するテーブル9での入力の幾つか又は全てに対応するデータをユーザプロファイル7に挿入すること(ステップ13)によって生成される。
特徴ベクトルの異なる次元X、Yを定量化するパラメータ値間の相関の少なくとも1つの指標(measure)を、その指標を表すデータがユーザプロファイル7を表すデータの中に含まれ得るように決定することも有用である。望ましくは、相関の指標は、クラスタ10〜12の夫々に関して別々に決定されて、クラスタの位置を示すデータに加えられる。相関は、最初の2つのクラスタ10、11に関してよりも3番目のクラスタ12に関してより強いことが分かっている。このような強さの相関は、特定の音楽スタイル、ひいては、このスタイルに関するユーザの好みを特定する役目を果たしうる。
ユーザプロファイル7は、ユーザが、選択されたオーディオトラックの組3にあるオーディオトラックの特性に関連付けられるように、プロファイリングをされたユーザを識別するのに適したデータを更に含む。オーディオトラックの測定可能な特性を定量化するパラメータ値に加えて、ユーザプロファイル7は、幾つかの実施例において、ユーザによって提供される主観的情報を含みうる。
ユーザプロファイル7の使用は図3及び4に表される。第1の携帯型音楽プレーヤ14は、通信リンク16を介して第2の携帯型音楽プレーヤ15に接続されている。通信リンク16は、有利に、例えば無線リンクのような、パーソナルエリアネットワーク又はローカルエリアネットワークにおけるリンクである。この用途において、第1の携帯型音楽プレーヤ14のユーザの好みが第2の携帯型音楽プレーヤ15のユーザの好みに一致するかどうかが決定される。
最初に、第1の携帯型音楽プレーヤ14のユーザのユーザプロファイル17はステップ18で生成され、第2の携帯型音楽プレーヤ15のユーザのユーザプロファイル19は更なるステップ20で通信リンク16を介して得られる。第2の携帯型音楽プレーヤ15は、第1の携帯型音楽プレーヤ14によって実行されるステップ18と同様のステップでユーザプロファイル19を生成するよう構成される。ユーザプロファイル17を生成するステップ18は、図1に表される方法を用いて実施される。続くステップ21では、2つのユーザプロファイル17、19は、それらが一致するかどうかを決定するために、距離メトリックを用いて比較される。例えば、ユーザプロファイル17、19で特定されるクラスタの重複領域が、一致を判断するための基準である所定の重複率を用いて決定され得る。ユーザプロファイルがこの基準に従って一致する場合は、このことは、第1及び第2の携帯型音楽プレーヤ14、15のいずれか一方又は両方の出力装置に示される(ステップ22)。その後、ユーザは、オーディオトラックのそれらのデータベースの一部又は全てを共有することを決定することができる。
協調フィルタリングのためのシステムにおけるユーザプロファイルの利用は、図5及び6に表される。第1乃至第4の音楽プレーヤ23〜26は、音楽ダウンロードサービスを実施するサーバ27へ接続されている。この接続は、ネットワーク28、望ましくは、インターネットのようなワイドエリアネットワークによる。
サーバシステム27は、ユーザプロファイル29をフィルタ処理する方法を実施する。表される実施例では、サーバシステム27はユーザプロファイル29を生成する。変形例では、音楽プレーヤ23〜26は、それらの夫々のユーザに関するユーザプロファイルを生成して、それらをフィルタ処理のためにサーバシステム27へ送ることができる。
図6の方法は、推奨(recommendation)システムを提供するために使用される。サーバシステム27は、オーディオファイルのデータベース30をダウンロードするために利用可能である。それは、また、特徴ベクトルのデータベース31を有し、このデータベース31は、例えば、データベース30で表されるオーディオトラックごとに1つである。
第1のステップ32で、推奨を要求するユーザが特定される。次いで、そのユーザによってダウンロードのために以前に選択されたオーディオトラックを特定するリスト33が得られる(ステップ34)。
続くステップ35では、ユーザプロファイル29は、リスト33において特定されるオーディオトラックへ解析アルゴリズムを適用することによって得られる特徴ベクトルを基に生成される。かかる特徴ベクトルは、ユーザプロファイル29を生成するためにクラスタ化される。次いで、ユーザプロファイル29は、音楽プレーヤ23〜26のうちの他のプレーヤのユーザの好みを表すユーザプロファイルの組37の夫々と比較される。
次いで、一致するユーザプロファイルが生成されているユーザが特定され(ステップ38)、それらのユーザによって以前にダウンロードされたオーディオファイルのリスト39が選択される(ステップ40)。かかるリスト39から、第1のステップ32で特定されたユーザ(ターゲットユーザ)に関して推奨が行われる(ステップ41)。例えば、リスト39で最も良く現れるオーディオトラックが、ターゲットユーザに提案され得る。
同じ趣味を有する他のユーザを特定し、ひいてはオーディオファイルのリスト39を特定するためにユーザプロファイル29を使用する効果は、より一致した且つ正確な整合が得られることである。所定の解析アルゴリズムを使用することにより、トラック及びトラックの異なる集まりにわたって主観性はより少なくなり、より一貫性のある推奨及び比較が得られる。特徴空間における次元はオーディオトラックの少なくとも一部の定量化可能な特性を表すので、ユーザの好みの間にある類似性の程度を計算することはより容易である。また、パラメータ値に関する表現は比較的コンパクトであり、少なくとも、ユーザによってトラックに付されるラベルの使用よりもコンパクトである。転じて、このことは、異なる装置にわたってユーザプロファイルを表すデータを共有することを容易にする。
留意すべきは、前出の実施例は、本発明を限定しているのではなく、説明するために挙げられており、当業者は、添付の特許請求の範囲の適用範囲を逸脱することなく多数の代替の実施例を設計することができる点である。特許請求の範囲では、括弧の中にある如何なる参照符号も、請求項を限定するよう解釈されるべきではない。語「有する(comprising)」は、請求項に挙げられた以外の他の要素又はステップの存在を除外しない。要素の前に付された語「1つの(a/an)」は、かかる要素の複数個の存在を除外しない。ある手段が相互に異なる請求項で挙げられているという単なる事実は、かかる手段の組み合わせが有利に使用され得ないことを示すわけではない。
例えば、図6に表されるユーザプロファイルの組37は、サーバシステム27によって生成されるのではなく、音楽プレーヤ23〜26にクエリーを行うことによって取得されても良い。
Claims (16)
- 少なくとも1つの認知可能なコンテンツ要素の記録の夫々がコンテンツの各項目に関連付けられており、コンテンツの項目を表すデータを処理する装置のユーザのユーザプロファイルを生成する方法であって、
少なくとも1つの認知可能なコンテンツ要素の複数の記録であって、前記ユーザに関連するコンテンツの複数の項目の1つに夫々関連付けられた複数の記録を含む組を決定する段階と、
前記ユーザの好みを示すユーザプロファイルを表すデータを生成する段階とを有し、
前記ユーザプロファイルを表すデータは、少なくとも一次元の特徴空間の中に1又はそれ以上のパラメータ値を含み、
夫々の次元は、前記特徴空間における次元の少なくとも1つが、認知可能なコンテンツ要素の記録の少なくとも一部の定量化可能な特性を表すように、認知可能なコンテンツ要素の記録の少なくとも一部の特性を表す方法において、
夫々が少なくとも1つのパラメータ値を含み且つ前記ユーザプロファイルにおいて前記特徴空間の次元を定量化する少なくとも一組のパラメータ値は、複数の信号の夫々へ所定の解析アルゴリズムを適用することによって得られ、
夫々の信号は、前記組のパラメータ値が前記組の記録における複数の記録に基づくように、少なくとも1つの認知可能なコンテンツ要素の記録の少なくとも一部を表す方法。 - 前記ユーザプロファイルを表すデータは、夫々の記録の少なくとも一部を表す信号へ前記所定の解析アルゴリズムを適用することによって得られる前記組のパラメータ値の記録における複数の記録にわたる分布を表すデータを含む、請求項1記載の方法。
- 前記夫々の記録の少なくとも一部を表す前記信号へ前記所定の解析アルゴリズムを適用することによって得られるパラメータ値へクラスタリングアルゴリズムを適用する段階と、
前記特徴空間の少なくとも1つの定量化された次元に沿ってクラスタの位置を示すデータを、前記ユーザプロファイルを表すデータに含める段階とを有する、請求項2記載の方法。 - 前記ユーザプロファイルを表すデータは、各クラスタの強さを示すデータを含む、請求項2又は3記載の方法。
- 前記ユーザプロファイルを表すデータは、前記特徴空間の少なくとも1つの定量化された次元に沿って各クラスの広がりを示すデータを含む、請求項2乃至4のうちいずれか一項記載の方法。
- 夫々の組が少なくとも1つのパラメータを有し且つ前記特徴空間の少なくとも1つの更なる次元を定量化する少なくとも1つの更なる組のパラメータ値は、複数の信号の夫々へ少なくとも1つの所定の解析アルゴリズムを適用することによって得られ、夫々の信号は、前記組の記録において少なくとも1つの認知可能なコンテンツ要素の記録の少なくとも一部を表し、
前記特徴空間の異なる次元を定量化するパラメータ値間の相関の少なくとも1つの指標は決定され、
前記決定された指標を表すデータは、前記ユーザプロファイルを表すデータの中に含まれる、請求項1乃至5のうちいずれか一項記載の方法。 - ユーザ装置による処理のためのコンテンツ項目のユーザ選択に基づいて、当該ユーザに関連付けられたコンテンツ項目を決定する段階を有する、請求項1乃至6のうちいずれか一項記載の方法。
- 少なくとも1つの認知可能なコンテンツ要素の記録の夫々がコンテンツの各項目に関連付けられており、コンテンツの項目を表すデータを処理する装置のユーザのユーザプロファイルをフィルタ処理する方法であって、
前記ユーザに関連するコンテンツの項目に夫々関連付けられた、少なくとも1つの認知可能なコンテンツ要素の少なくとも1つの記録を含む組を決定する段階と、
前記ユーザの好みを示すユーザプロファイルを表すデータを生成する段階であって、前記ユーザプロファイルを表すデータは、少なくとも一次元の特徴空間の中に1又はそれ以上のパラメータ値を含み、夫々の次元は、前記特徴空間における次元の少なくとも1つが、認知可能なコンテンツ要素であるオーディオトラックの記録の少なくとも一部の定量化可能な特性を表すように、認知可能なコンテンツ要素の記録の少なくとも一部の特性を表す段階と、
前記特徴空間の中に1又はそれ以上のパラメータ値の組を含む1又はそれ以上の更なるユーザプロファイルのいずれかが前記ユーザプロファイルと一致するかどうかを類似性メトリクスを用いて決定するよう配置される第2の装置へ前記ユーザプロファイルを表すデータを送る段階とを有する方法において、
前記ユーザプロファイルにおいて前記特徴空間の次元を定量化する少なくとも一組のパラメータ値は、オーディオトラックの組において少なくとも1つの認知可能なコンテンツ要素の記録の少なくとも一部を表す少なくとも1つの信号へ所定の解析アルゴリズムを適用することによって得られる方法。 - 前記ユーザプロファイルは、請求項1乃至7のうちいずれか一項記載の方法を利用することによって得られる、請求項8記載の方法。
- コンテンツの項目に関連付けられた少なくとも1つの認知可能なコンテンツ要素の記録の夫々を有するコンテンツの項目を表すデータを処理する装置のユーザの好みを表すユーザプロファイルをフィルタ処理する方法であって、
前記ユーザの好みを示すユーザプロファイルを表すデータを生成する段階であって、前記ユーザプロファイルを表すデータは、少なくとも一次元の特徴空間の中に1又はそれ以上のパラメータ値を含み、夫々の次元は、前記特徴空間における次元の少なくとも1つが、認知可能なコンテンツ要素の記録の少なくとも一部の定量化可能な特性を表すように、認知可能なコンテンツ要素の記録の少なくとも一部の特性を表す段階と、
前記特徴空間の中に1又はそれ以上のパラメータ値の組を含む1又はそれ以上の更なるユーザプロファイルのいずれかが前記ユーザプロファイルと一致するかどうかを類似性メトリクスを用いて決定する段階とを有し、
前記ユーザプロファイルを表すデータは、請求項1乃至7のうちいずれか一項記載の方法を利用することによって生成される方法。 - コンテンツの項目に関連付けられた少なくとも1つの認知可能なコンテンツ要素の記録の夫々を有するコンテンツの項目を表すデータを処理する装置のユーザの好みを表すユーザプロファイルをフィルタ処理する方法であって、
第2の装置は、前記ユーザの好みを示すユーザプロファイルを表すデータをデータリンクを介して当該装置から受け取り、前記ユーザプロファイルを表すデータは、少なくとも一次元の特徴空間の中に1又はそれ以上のパラメータ値を含み、夫々の次元は、認知可能なコンテンツ要素の記録の少なくとも一部の特性を表し、前記特徴空間における次元の少なくとも1つは、認知可能なコンテンツ要素の記録の少なくとも一部の定量化可能な特性を表し、
前記第2の装置は、前記特徴空間の中に1又はそれ以上のパラメータ値の組を含む1又はそれ以上の更なるユーザプロファイルを取り出し、その取り出されたプロファイルのいずれかが前記ユーザプロファイルと一致するかどうかを類似性メトリクスを用いて決定する方法において、
前記第2の装置は、前記組の記録において記録の少なくとも一部を表す少なくとも1つの信号へ所定の解析アルゴリズムを適用することによって前記パラメータ値の少なくとも1つが得られるユーザプロファイルに前記取り出されたプロファイルのいずれかが一致するかどうかを受け取って決定する方法。 - 前記更なるプロファイルが、コンテンツの項目に関連付けられたオーディオトラックの夫々を有するコンテンツの項目を表すデータを処理する装置の更なるユーザの好みを夫々が表す更なるユーザプロファイルによって形成される場合に、
前記ユーザプロファイルに一致する更なるユーザプロファイルを有する更なるユーザを特定する段階を有する、請求項8乃至11のうちいずれか一項記載の方法。 - 前記ユーザプロファイルに一致する更なるユーザプロファイルを有する更なるユーザごとに、当該更なるユーザによって選択されるコンテンツ項目のリストを取り出す段階と、
前記ユーザのために、推奨されるコンテンツ項目のリストを生成する段階とを有し、
前記推奨されるコンテンツ項目は、前記取り出されたコンテンツ項目のリストから選択される、請求項12記載の方法。 - ユーザプロファイルを生成するシステムであって、請求項1乃至7のうちいずれか一項記載の方法を実行するよう構成されるシステム。
- ユーザプロファイルをフィルタ処理するシステムであって、請求項8乃至13のうちいずれか一項記載の方法を実行するよう構成されるシステム。
- 機械読取可能な媒体に組み込まれる場合に、情報処理機能を備えるシステムに請求項1乃至13のうちいずれか一項記載の方法を実行させることが可能な命令の組を含むコンピュータプログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP05110802 | 2005-11-16 | ||
PCT/IB2006/053977 WO2007057800A2 (en) | 2005-11-16 | 2006-10-27 | Method of generating and methods of filtering a user profile |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2009516286A true JP2009516286A (ja) | 2009-04-16 |
Family
ID=37907105
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008540731A Pending JP2009516286A (ja) | 2005-11-16 | 2006-10-27 | ユーザプロファイルの生成及びフィルタ処理の方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20080275904A1 (ja) |
EP (1) | EP1952281A2 (ja) |
JP (1) | JP2009516286A (ja) |
CN (1) | CN101310278A (ja) |
WO (1) | WO2007057800A2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012511189A (ja) * | 2008-08-28 | 2012-05-17 | バッハ テクノロジー アーエス | コレクションプロファイルの生成及びコレクションプロファイルに基づく通信のための装置及び方法 |
JP2021149169A (ja) * | 2020-03-16 | 2021-09-27 | 充人 長屋 | 情報処理装置、情報処理方法及び情報処理のためのコンピュータプログラム |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8260778B2 (en) * | 2008-01-16 | 2012-09-04 | Kausik Ghatak | Mood based music recommendation method and system |
CN101685458B (zh) * | 2008-09-27 | 2012-09-19 | 华为技术有限公司 | 一种基于协同过滤的推荐方法和系统 |
US20100161631A1 (en) * | 2008-12-19 | 2010-06-24 | Microsoft Corporation | Techniques to share information about tags and documents across a computer network |
CN102495872B (zh) * | 2011-11-30 | 2013-07-24 | 中国科学技术大学 | 对移动设备用户进行个性化新闻推荐的方法和装置 |
US9748914B2 (en) | 2012-08-15 | 2017-08-29 | Warner Bros. Entertainment Inc. | Transforming audio content for subjective fidelity |
KR102028724B1 (ko) * | 2012-09-20 | 2019-10-07 | 삼성전자주식회사 | 사용자 단말 장치 및 그 디스플레이 방법 |
US8650185B1 (en) * | 2012-09-28 | 2014-02-11 | Ampersand Ventures, Inc. | Systems and methods for database interaction using a multi-dimensional graphical user input interface |
US10097664B2 (en) * | 2013-04-26 | 2018-10-09 | Apple Inc. | Recommending media items based on purchase history |
US11481424B2 (en) * | 2014-05-16 | 2022-10-25 | RCRDCLUB Corporation | Systems and methods of media selection based on criteria thresholds |
US9852451B1 (en) * | 2014-06-05 | 2017-12-26 | Amazon Technologies, Inc. | Dynamic generation of content |
US10652170B2 (en) * | 2017-06-09 | 2020-05-12 | Google Llc | Modification of audio-based computer program output |
US10614122B2 (en) | 2017-06-09 | 2020-04-07 | Google Llc | Balance modifications of audio-based computer program output using a placeholder field based on content |
US10657173B2 (en) | 2017-06-09 | 2020-05-19 | Google Llc | Validate modification of audio-based computer program output |
US10600409B2 (en) | 2017-06-09 | 2020-03-24 | Google Llc | Balance modifications of audio-based computer program output including a chatbot selected based on semantic processing of audio |
US11829410B2 (en) * | 2019-07-02 | 2023-11-28 | International Business Machines Corporation | Playing user preferred music in a selected area |
US11921881B2 (en) * | 2019-08-01 | 2024-03-05 | EMC IP Holding Company LLC | Anonymous ranking service |
CN111210815B (zh) * | 2019-11-28 | 2023-01-06 | 赵铭 | 一种用于语音命令词识别的深度神经网络构建方法和识别方法及装置 |
US11704312B2 (en) * | 2021-08-19 | 2023-07-18 | Microsoft Technology Licensing, Llc | Conjunctive filtering with embedding models |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6041311A (en) * | 1995-06-30 | 2000-03-21 | Microsoft Corporation | Method and apparatus for item recommendation using automated collaborative filtering |
US5790426A (en) * | 1996-04-30 | 1998-08-04 | Athenium L.L.C. | Automated collaborative filtering system |
WO2001053963A1 (en) * | 2000-01-24 | 2001-07-26 | Zapmedia, Inc. | System and method for the distribution and sharing of media assets between media players devices |
US6545209B1 (en) * | 2000-07-05 | 2003-04-08 | Microsoft Corporation | Music content characteristic identification and matching |
KR100400500B1 (ko) * | 2000-08-21 | 2003-10-08 | 삼성전자주식회사 | 특징 벡터 데이터 공간의 인덱싱 방법 |
US6941324B2 (en) * | 2002-03-21 | 2005-09-06 | Microsoft Corporation | Methods and systems for processing playlists |
US7081579B2 (en) | 2002-10-03 | 2006-07-25 | Polyphonic Human Media Interface, S.L. | Method and system for music recommendation |
US8028038B2 (en) * | 2004-05-05 | 2011-09-27 | Dryden Enterprises, Llc | Obtaining a playlist based on user profile matching |
-
2006
- 2006-10-27 WO PCT/IB2006/053977 patent/WO2007057800A2/en active Application Filing
- 2006-10-27 US US12/093,461 patent/US20080275904A1/en not_active Abandoned
- 2006-10-27 JP JP2008540731A patent/JP2009516286A/ja active Pending
- 2006-10-27 CN CNA2006800429788A patent/CN101310278A/zh active Pending
- 2006-10-27 EP EP06821221A patent/EP1952281A2/en not_active Withdrawn
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012511189A (ja) * | 2008-08-28 | 2012-05-17 | バッハ テクノロジー アーエス | コレクションプロファイルの生成及びコレクションプロファイルに基づく通信のための装置及び方法 |
US8407224B2 (en) | 2008-08-28 | 2013-03-26 | Bach Technology As | Apparatus and method for generating a collection profile and for communicating based on the collection profile |
JP2021149169A (ja) * | 2020-03-16 | 2021-09-27 | 充人 長屋 | 情報処理装置、情報処理方法及び情報処理のためのコンピュータプログラム |
JP7071428B2 (ja) | 2020-03-16 | 2022-05-18 | 充人 長屋 | 情報処理装置、情報処理方法及び情報処理のためのコンピュータプログラム |
Also Published As
Publication number | Publication date |
---|---|
WO2007057800A2 (en) | 2007-05-24 |
EP1952281A2 (en) | 2008-08-06 |
WO2007057800A3 (en) | 2007-08-02 |
US20080275904A1 (en) | 2008-11-06 |
CN101310278A (zh) | 2008-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2009516286A (ja) | ユーザプロファイルの生成及びフィルタ処理の方法 | |
US20170300567A1 (en) | Media content items sequencing | |
US8073854B2 (en) | Determining the similarity of music using cultural and acoustic information | |
US7860862B2 (en) | Recommendation diversity | |
US8344233B2 (en) | Scalable music recommendation by search | |
EP3508986B1 (en) | Music cover identification for search, compliance, and licensing | |
US7921067B2 (en) | Method and device for mood detection | |
US8190663B2 (en) | Method and a system for identifying similar audio tracks | |
US11461390B2 (en) | Automated cover song identification | |
US20210303612A1 (en) | Identifying media content | |
US20100217755A1 (en) | Classifying a set of content items | |
JP2008117222A (ja) | 情報処理装置および方法、並びにプログラム | |
JP2008165759A (ja) | 情報処理装置及び方法並びにプログラム | |
US20170054779A1 (en) | Media Feature Determination for Internet-based Media Streaming | |
JP2007122442A (ja) | 楽曲分類装置及び楽曲分類プログラム | |
US11568886B2 (en) | Audio stem identification systems and methods | |
US20110173195A1 (en) | Information processing apparatus, information processing method, and program | |
US20090132508A1 (en) | System and method for associating a category label of one user with a category label defined by another user | |
JP2007233515A (ja) | 情報処理装置および情報処理方法、提供装置および提供方法、並びにプログラム | |
JP2005018205A (ja) | 楽曲検索システム、楽曲検索方法、及び楽曲検索装置 | |
KR101968206B1 (ko) | 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 방법 | |
Sneha et al. | Recommending music by combining content-based and collaborative filtering with user preferences | |
Tomar et al. | Beats and Bytes: Decoding Song’s Success Patterns Using Machine Learning | |
Chaudhary et al. | Parametrized Optimization Based on an Investigation of Musical Similarities Using SPARK and Hadoop |