KR102310796B1 - 미디어 콘텐트 항목들 중에서 파생 정도 및 가능성 결정 - Google Patents
미디어 콘텐트 항목들 중에서 파생 정도 및 가능성 결정 Download PDFInfo
- Publication number
- KR102310796B1 KR102310796B1 KR1020167003712A KR20167003712A KR102310796B1 KR 102310796 B1 KR102310796 B1 KR 102310796B1 KR 1020167003712 A KR1020167003712 A KR 1020167003712A KR 20167003712 A KR20167003712 A KR 20167003712A KR 102310796 B1 KR102310796 B1 KR 102310796B1
- Authority
- KR
- South Korea
- Prior art keywords
- media content
- content item
- content items
- items
- item
- Prior art date
Links
- 238000009795 derivation Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 30
- 230000009471 action Effects 0.000 claims abstract description 18
- 230000008569 process Effects 0.000 claims abstract description 3
- 238000009826 distribution Methods 0.000 claims description 25
- 230000000977 initiatory effect Effects 0.000 claims description 15
- 230000015654 memory Effects 0.000 claims description 15
- 238000013442 quality metrics Methods 0.000 claims description 15
- 230000002123 temporal effect Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 10
- 238000003860 storage Methods 0.000 description 9
- 230000003612 virological effect Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 241000700605 Viruses Species 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
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
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/48—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/43—Querying
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/18—Legal services
- G06Q50/184—Intellectual property management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/254—Management at additional data server, e.g. shopping server, rights management server
- H04N21/2541—Rights Management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Technology Law (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Computational Linguistics (AREA)
- Library & Information Science (AREA)
- Information Transfer Between Computers (AREA)
- Computer Security & Cryptography (AREA)
- Signal Processing (AREA)
Abstract
미디어 콘텐트 항목들 중에서 파생의 가능성과 정도를 결정하기 위한 시스템들 및 방법들이 개시된다. 하나의 구현에서, 처리 디바이스는 제1 미디어 콘텐트 항목과, 하나 이상의 다른 미디어 콘텐트 항목들 사이의 하나 이상의 유사도들을 식별하기 위해 제1 미디어 콘텐트 항목을 하나 이상의 다른 미디어 콘텐트 항목들과 관련하여 처리한다. 처리 디바이스는 제1 미디어 콘텐트 항목과, 하나 이상의 다른 미디어 콘텐트 항목들 사이의 하나 이상의 유사도들의 식별에 기초하여, 제1 미디어 콘텐트 항목과, 하나 이상의 다른 미디어 콘텐트 항목들에 대하여 하나 이상의 파생 메트릭들을 결정한다. 처리 디바이스는 하나 이상의 파생 메트릭들의 결정에 기초하여, (a) 제1 미디어 콘텐트 항목 또는 (b) 하나 이상의 다른 미디어 콘텐트 항목들 중에서 적어도 하나에 대하여 하나 이상의 동작들을 개시한다.
Description
본 개시 내용의 양태들과 구현들은 데이터 프로세싱과 관련되고, 더 구체적으로, 미디어 콘텐트 항목들 중의 파생 정도 및 가능성을 결정하는 것과 관련된다.
오디오 및 비디오 콘텐트는 데이터 서버들 상에 저장될 수 있고, 인터넷을 통해 청취/시청을 위해 사용자들에게 제공될 수 있다. 그러한 오디오 및 비디오 콘텐트의 청취/시청을 지원하기 위한 애플리케이션들은 브라우저 기반일 수 있거나, 브라우저와 무관하게 실행될 수 있다.
이하 이러한 양태들의 기본적인 이해를 제공하기 위해 본 개시 내용의 다양한 양태들의 간략화된 요약을 제시한다. 이러한 요약은 모든 고려되는 양태들의 포괄적인 개요는 아니며, 중요한, 또는 핵심적인 엘리먼트들을 식별하려는 의도도 아니고, 이러한 양태들의 범위를 정의하려는 의도도 아니다. 그 목적은 나중에 제시되는 더 상세한 설명에 대한 서론으로서 간략화된 형태로 본 개시 내용의 일부 개념들을 제시하는 것이다.
본 개시 내용의 양태에서, 처리 디바이스는 제1 미디어 콘텐트 항목과, 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나 사이의 하나 이상의 유사도들을 식별하기 위해 제1 미디어 콘텐트 항목을 하나 이상의 다른 미디어 콘텐트 항목들과 관련하여 처리한다. 처리 디바이스는 제1 미디어 콘텐트 항목과, 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나 사이의 하나 이상의 유사도들의 식별에 기초하여, 제1 미디어 콘텐트 항목과, 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나에 대하여 하나 이상의 파생 메트릭들(derivation metrics)을 결정한다. 처리 디바이스는 하나 이상의 파생 메트릭들의 결정에 기초하여, (a) 제1 미디어 콘텐트 항목 또는 (b) 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나 중에서 적어도 하나에 대하여 하나 이상의 동작들을 개시한다.
본 개시 내용의 양태들 및 구현들이 이하 주어지는 상세한 설명으로부터 그리고 본 개시 내용의 다양한 양태들 및 구현들의 첨부 도면들로부터 보다 충분히 이해될 것이지만, 이는 본 개시 내용을 이러한 특정 양태들 또는 구현들에 제한하는 것으로 고려되지 않아야 하며, 설명, 및 이해를 위한 것일 뿐이다.
도 1은 본 개시 내용의 하나의 구현에 따른 예시적 시스템 아키텍처를 묘사한다.
도 2는 미디어 콘텐트 항목들 중에서 파생의 가능성 및 정도를 결정하기 위한 방법의 양태들의 흐름도를 묘사한다.
도 3a는 본 개시 내용의 일 구현에 따라, 여러 미디어 콘텐트 항목들이 서로 유사한 그리고/또는 매칭하는 것으로서 식별되는 예시적 시나리오를 묘사하고, 또한 그들 각각의 품질 메트릭들을 묘사한다.
도 3b는 본 개시 내용의 일 구현에 따라, 여러 미디어 콘텐트 항목들이 서로 유사한 그리고/또는 매칭하는 것으로서 식별되는 예시적 시나리오를 묘사하고, 또한 그들 각각의 콘텐트 유포 메트릭들을 묘사한다.
도 3c는 본 개시 내용의 일 구현에 따라, 여러 미디어 콘텐트 항목들이 서로 유사한 그리고/또는 서로 매칭하는 것으로서 식별되는 예시적 시나리오를 묘사하고, 또한 각각이 업로드되었던 각각의 날짜들을 묘사한다.
도 4a는 본 개시 내용의 일 구현에 따라, 다른 미디어 콘텐트 항목들에 존재하는 것으로서 식별될 수 있는 여러 개별 세그먼트들을 갖는 미디어 콘텐트 항목의 타임라인을 나타내는 개략도를 묘사한다.
도 4b는 본 개시 내용의 일 구현에 따라, 다른 미디어 콘텐트 항목들에 존재하는 것으로서 식별될 수 있는 단일 개별 세그먼트를 갖는 미디어 콘텐트 항목의 타임라인을 나타내는 개략도를 묘사한다.
도 5는 다른 미디어 콘텐트 항목들로부터 파생된 것으로서 식별될 수 있는 여러 세그먼트들을 갖는 미디어 콘텐트 항목의 지속기간의 타임라인을 나타내는 개략도를 묘사한다.
도 6은 본 개시의 양태들 및 구현들에 따라 작동하는 예시적 컴퓨터 시스템의 블록도를 묘사한다.
도 1은 본 개시 내용의 하나의 구현에 따른 예시적 시스템 아키텍처를 묘사한다.
도 2는 미디어 콘텐트 항목들 중에서 파생의 가능성 및 정도를 결정하기 위한 방법의 양태들의 흐름도를 묘사한다.
도 3a는 본 개시 내용의 일 구현에 따라, 여러 미디어 콘텐트 항목들이 서로 유사한 그리고/또는 매칭하는 것으로서 식별되는 예시적 시나리오를 묘사하고, 또한 그들 각각의 품질 메트릭들을 묘사한다.
도 3b는 본 개시 내용의 일 구현에 따라, 여러 미디어 콘텐트 항목들이 서로 유사한 그리고/또는 매칭하는 것으로서 식별되는 예시적 시나리오를 묘사하고, 또한 그들 각각의 콘텐트 유포 메트릭들을 묘사한다.
도 3c는 본 개시 내용의 일 구현에 따라, 여러 미디어 콘텐트 항목들이 서로 유사한 그리고/또는 서로 매칭하는 것으로서 식별되는 예시적 시나리오를 묘사하고, 또한 각각이 업로드되었던 각각의 날짜들을 묘사한다.
도 4a는 본 개시 내용의 일 구현에 따라, 다른 미디어 콘텐트 항목들에 존재하는 것으로서 식별될 수 있는 여러 개별 세그먼트들을 갖는 미디어 콘텐트 항목의 타임라인을 나타내는 개략도를 묘사한다.
도 4b는 본 개시 내용의 일 구현에 따라, 다른 미디어 콘텐트 항목들에 존재하는 것으로서 식별될 수 있는 단일 개별 세그먼트를 갖는 미디어 콘텐트 항목의 타임라인을 나타내는 개략도를 묘사한다.
도 5는 다른 미디어 콘텐트 항목들로부터 파생된 것으로서 식별될 수 있는 여러 세그먼트들을 갖는 미디어 콘텐트 항목의 지속기간의 타임라인을 나타내는 개략도를 묘사한다.
도 6은 본 개시의 양태들 및 구현들에 따라 작동하는 예시적 컴퓨터 시스템의 블록도를 묘사한다.
본 개시 내용의 양태들과 구현들은 미디어 콘텐트 항목들 중에서 파생의 가능성과 정도를 결정하는 것에 관한 것이다. 개시된 시스템들 및 방법들은 예를 들어, 미디어 공유 서비스 또는 웹사이트를 통해 수집 및/또는 유포될 수 있는 오디오 및/또는 비디오 콘텐트와 같은 미디어 콘텐트, 이미지들 및/또는 임의의 다른 콘텐트에 적용될 수 있다. 보다 상세하게는, (시청에 이용 가능한 비디오들을 포함하는 하나 이상의 서버들과 같은) 미디어 스토어 또는 리포지토리 내에 포함되는 상당한 양의 미디어 콘텐트가 (미디어 콘텐트가 제1 저자/작성자에 의해 생성되었다는 점에서)가 '원본'이라고 지칭될 수 있지만, 그러한 미디어 스토어/리포지토리들에 포함되는 미디어 콘텐트의 일부는 (예를 들어, 하나 이상의 원본 미디어 항목들의 적어도 일부 콘텐트를 파생된 미디어 항목에 재현함으로써) 그러한 '원본' 작품들로부터 실제로 파생될 수 있다. 다양한 기술들이 두 개(또는 더 많은) 미디어 콘텐트 항목들(예를 들어, 미디어 공유 서비스에 의해 저장되는 비디오들) 사이에 존재하는 유사도들 및/또는 매치들의 식별에 있어서 도움을 주기 위해 개발되었지만, 그러한 항목들 사이의 유사도 또는 매치의 단순한 식별은, 항목들 중 어느 것이 '원본'(즉, 최초로 생성되었음)이고 다른 항목들 중 어느 것이 그것으로부터 파생되었을 수 있는지(즉, 후속적으로 생성되었음)에 대한 통찰 또는 지시를 반드시 제공하지는 않는다.
따라서, 미디어 콘텐트 항목이 하나 이상의 다른 유사한/매칭하는 미디어 콘텐트 항목들로부터 파생되었을 수 있는 가능성의 결정을 가능하게 하는 기술들이 본 명세서에서 다양한 실시예들에 기술된다. 그러한 결정들은, 예를 들어, 그러한 미디어 콘텐트 항목들과 연관된 다양한 각각의 팩터들, 예컨대 그들의 상대적인 품질(예를 들어, 그들의 비디오 해상도), 그들이 (예를 들어, 공유되고/되거나 시청되는) 유포된 정도, 및/또는 그들이 생성된/업로드된 날짜의 비교들에 기초하여 계산될 수 있다. 이러한 (그리고/또는 다른) 팩터들은, 어느 미디어 콘텐트 항목이 '원본'일 가능성이 상대적으로 더 많고 어느 미디어 콘텐트 항목이 '파생되었을' 가능성이 상대적으로 더 많은지에 대하여 다양한 지시들을 제공할 수 있다. 또한, 그러한 결정들에 기초하여, 예컨대 '파생'되었을 가능성이 있다고 판단된 미디어 콘텐트 항목들에 대하여 하나 이상의 동작들이 개시될 수 있다.
도 1은 본 개시 내용의 일 구현에 따른 예시적인 시스템 아키텍처(100)를 묘사한다. 시스템 아키텍처(100)는 사용자 디바이스들(102A-102N) 및 서버 머신(120)을 포함한다. 이러한 다양한 요소들 또는 컴포넌트들은 공용 네트워크(예를 들어, 인터넷), 사설 네트워크(예를 들어, 근거리 네트워크(LAN) 또는 광역 네트워크(WAN)) 또는 이들의 조합일 수 있는, 네트워크(110)를 통해 서로 접속될 수 있다.
사용자 디바이스들(102A-102N)은 무선 단말기들(예를 들어, 스마트폰들, 기타 등등), 퍼스널 컴퓨터들(PC), 랩톱들, 태블릿 컴퓨터들, 또는 임의의 다른 컴퓨팅 또는 통신 디바이스들일 수 있다. 사용자 디바이스들(102A-102N)은 사용자 디바이스들(102A-102N)의 하드웨어 및 소프트웨어를 관리하는 운영 체제(OS)를 실행할 수 있다. 클라이언트 머신들 상에서는 (예를 들어, 클라이언트 머신들의 OS 상에서는) 다양한 애플리케이션들 예컨대 모바일 애플리케이션들('앱들(apps)'), 웹 브라우저들, 기타 등등(도시 생략)이 실행될 수 있다. 그러한 애플리케이션들은 예를 들어, 사용자가 미디어 콘텐트(예를 들어, 오디오 클립, 비디오 클립, 기타 등등)를 캡처할 수 있게 하고, 미디어 콘텐트를 제공할 수 있게 하고(예를 들어 미디어 콘텐트를 중앙 서버에 업로드할 수 있게 하고/하거나 그것을 다른 사용자에게 전송할 수 있게 함), 미디어 콘텐트를 (예를 들어, 네트워크(110)를 통해) 수신할 수 있게 하고/하거나 예컨대 사용자 디바이스(102)를 통해 미디어 콘텐트를 시청, 표시, 또는 달리 제시(예를 들어, 비디오를 재생함, 노래를 청취함, 기타 등등)할 수 있게 한다. 사용자 디바이스들(102A-102N)은 전 세계에 걸쳐 어딘가에 지리적으로 분포될 수 있다.
서버 머신(120)은 랙마운트 서버(rackmount server), 라우터 컴퓨터, 퍼스널 컴퓨터, 휴대용 정보 단말기, 휴대폰, 랩톱 컴퓨터, 태블릿 컴퓨터, 카메라, 비디오 카메라, 넷북, 데스크톱 컴퓨터, 미디어 센터, 전술한 것들의 임의의 조합, 또는 본 명세서에서 기술되는 다양한 특징들을 구현할 수 있는 임의의 다른 그러한 컴퓨팅 디바이스일 수 있다. 서버 머신(120)은 예컨대 콘텐트 비교 엔진(130), 콘텐트 유포 결정 엔진(132), 파생 결정 엔진(134), 동작 개시 엔진(136), 및 미디어 콘텐트 스토어(140)와 같은 컴포넌트들을 포함할 수 있다. 컴포넌트들은 특별한 구현에 따라, 추가적인 컴포넌트들 내에 함께 결합될 수 있거나 분리될 수 있다. 어떤 구현들에서, 서버 머신(120)의 다양한 컴포넌트들은 별개의 머신들 상에서 실행될 수 있다는 것을 유의해야 한다. 또한, 특정 컴포넌트들의 일부 동작들은 도 2와 관련하여 하기에서 보다 상세히 기술된다.
미디어 콘텐트 스토어(140)는 예컨대 메인 메모리, 자기 또는 광학 스토리지 기반 디스크들, 테이프들 또는 하드 드라이브들과 같은 하나 이상의 저장 디바이스들, NAS, SAN, 및 기타 등등에 의해 호스팅될 수 있다. 일부 구현들에서, 미디어 콘텐트 스토어(140)는 네트워크-접속된 파일 서버일 수 있는 반면에, 다른 구현들에서, 미디어 콘텐트 스토어(140)는 네트워크(110)를 통해 서버 머신(120)에 연결되는 하나 이상의 상이한 머신들 또는 서버 머신(120)에 의해 호스팅될 수 있는, 객체 지향성 데이터베이스, 관계형 데이터베이스, 기타 등등과 같은 어떤 다른 유형의 영속성 스토리지일 수 있는 반면에, 또 다른 구현들에서, 미디어 콘텐트 스토어(140)는 다른 엔티티에 의해 호스팅되고 서버 머신(120)에 액세스 가능하게 되는 데이터베이스일 수 있다.
미디어 콘텐트 스토어(140)는 미디어 콘텐트 항목들(141A-141N)을 포함할 수 있다. 특정 구현들에서, 미디어 콘텐트 항목들(141A-141N)은 미디어 콘텐트 자체(예를 들어, 오디오 클립들, 비디오 클립들, 이미지들, 기타 등등) 및/또는 그러한 미디어 콘텐트의 지문들(컬러, 강도, 빈도수, 기타 등등과 같은 특징들로부터 파생된 예를 들어, 양적 데이터)뿐만 아니라, 미디어 콘텐트 항목들을 그들의 각각의 지문들과 연관시키기 위한 데이터 구조들(예를 들어, 각각의 행이 오디오/비디오 세그먼트의 식별자 및 그 오디오/비디오 세그먼트에 대한 지문 데이터를 저장하는 표, 기타 등등)에 대응할 수 있다. 예를 들어, 사용자 디바이스(102)에서 캡처될 수 있고 서버 머신(120)에 송신될 수 있는, 미디어 콘텐트 항목을 수신 시에, 수신된 미디어 콘텐트 항목은 미디어 콘텐트 스토어(140) 내의 미디어 콘텐트 항목들과 비교될 수 있고/있거나 그들에 비추어 달리 분석될 수 있다. 그렇게 행할 때 캡처된/수신된 미디어 콘텐트 항목과 그 미디어 콘텐트 스토어(140) 내에 저장된 그러한 미디어 콘텐트 항목들 사이의 하나 이상의 매치들 및/또는 유사도들이 식별될 수 있다.
특정 구현들에서, 다양한 미디어 콘텐트 항목들(141)은 하나 이상의 품질 메트릭(들)(142)과 연관될 수 있다. 그러한 품질 메트릭들은 특정 미디어 콘텐트 항목(예를 들어, 비디오 해상도, 오디오 비트레이트, 압축, 파일 포맷, 기타 등등)의 품질 및/또는 다른 양태들을 반영할 수 있다. 특정 구현들에서, 참조된 품질 메트릭들은 다양한 미디어 콘텐트 항목들과 연관된 메타데이터에 기초하여 결정될 수 있고/있거나 메타데이터로서 저장될 수 있다.
더욱이, 특정 구현들에서, 다양한 미디어 콘텐트 항목들(141)은 하나 이상의 콘텐트 유포 메트릭(들)(143)과 연관될 수 있다. 그러한 콘텐트 유포 메트릭들은 특별한 미디어 콘텐트 항목이 유포된, 시청된, 기타 등등된 양 및/또는 정도를 반영할 수 있다. 콘텐트 유포 메트릭들의 예들은, 미디어 콘텐트 항목의 공유의 인스턴스들(예를 들어, 비디오가 예컨대 소셜 네트워킹 사이트 또는 플랫폼을 통하여 하나 이상의 사용자들 사이에 공유된 횟수, 및/또는 그와 같은 인스턴스들의 상세 사항들) 및/또는 미디어 콘텐트 항목의 시청 또는 재생의 인스턴스들(예를 들어, 비디오가 예컨대 미디어 공유 서비스 또는 사이트를 통해 시청/재생된 횟수, 및/또는 그러한 인스턴스들의 상세 사항들)을 포함하나, 그들에 한정되지 않으며, 그렇더라도 임의 수의 다른 콘텐트 유포 메트릭들(여러 개별 메트릭들을 책임지는 집성 메트릭들을 포함함)이 또한 사용될 수 있다는 것이 이해될 것이다. 특정 구현들에서, 참조된 콘텐트 유포 메트릭들은 다양한 미디어 콘텐트 항목들과 연관된 메타데이터에 기초하여 결정될 수 있고/있거나 메타데이터로서 저장될 수 있다.
본 명세서에 논의되는 시스템들이 사용자들에 관한 개인 정보를 수집하거나, 또는 개인 정보를 이용할 수 있는 상황들에서, 사용자들에게는 프로그램들 또는 피처들이 사용자 정보(예를 들어, 사용자의 미디어 시청 이력, 관심, 사용자의 선호도, 또는 사용자의 현재 위치에 관한 정보)를 수집할지를 제어하거나, 사용자에게 보다 적절할 수 있는 콘텐트를 수신할지 그리고/또는 어떻게 수신할지를 제어하기 위한 기회가 제공될 수 있다는 것을 유의해야 한다. 또한, 특정 데이터는 그것이 저장되거나 또는 이용되기 전에, 개인적으로 식별될 수 있는 정보가 제거되도록 하기 위해 하나 이상의 방식들로 처리될 수 있다. 예를 들어, 사용자의 이이덴티티는 임의의 개인적으로 식별할 수 있는 정보가 사용자에 대해 결정될 수 없도록 하기 위해 처리될 수 있거나, 또는 위치 정보가 취득되는 사용자의 지리적 위치(예를 들어, 도시, 우편 번호, 또는 국가 레벨)는 사용자의 특정 위치가 결정될 수 없도록 하기 위해 일반화될 수 있다. 따라서, 사용자는 사용자에 관한 정보가 어떻게 수집되고 콘텐트 서버에 의해 어떻게 이용되는지에 대해 제어할 수 있다.
또한, 특정 구현들에서, 다양한 미디어 콘텐트 항목들(141)은 하나 이상의 날짜(들)(또는 타임스탬프들)(144)와 연관될 수 있다. 그러한 날짜들의 메트릭들은 (예를 들어, 미디어 콘텐트 스토어(140)에) 특별한 미디어 콘텐트 항목이 생성된, 편집된, 업로드된, 기타 등등에 관한 달력 날짜, 시간, 기타 등등을 반영할 수 있다. 특정 구현들에서, 참조된 날짜들은 다양한 미디어 콘텐트 항목들과 연관된 메타데이터에 기초하여 결정될 수 있고/있거나 메타데이터로서 저장될 수 있다.
본 명세서에서 기술되는 바와 같이, 하나 이상의 미디어 콘텐트 항목들(141) 자체뿐만 아니라 미디어 콘텐트 항목들의 다양한 연관된 양태들(예를 들어, 품질 메트릭들(142), 콘텐트 유포 메트릭들(143), 및/또는 업로드/생성 날짜(144))은 처리, 분석될 수 있고/있거나 서로 비교될 수 있다. 특정 구현들에서, 그러한 작업들은 콘텐트 비교 엔진(130) 및/또는 콘텐트 유포 결정 엔진(132)에 의해 그리고/또는 그와 함께 수행될 수 있다. 그렇게 함에 있어서, 다양한 파생 메트릭들이 예컨대 파생 결정 엔진(134)에 의해서 그리고/또는 그와 함께 계산될 수 있다. 그러한 파생 메트릭들은 예를 들어, 미디어 콘텐트 항목들 중 하나(또는 초과)가 하나 이상의 다른 것들로부터 파생되었을 가능성이 있는지 지시할 수 있다. 본 명세서에서 기술되는 바와 같이, 그러한 파생 메트릭들에 기초하여, 다양한 동작들이 예컨대, 동작 개시 엔진(136)에 의해 그리고/또는 그와 함께 개시될 수 있다.
도 2는 미디어 콘텐트 항목들 중에서 파생의 가능성 및 정도를 결정하기 위한 방법(200)의 양태들의 흐름도를 묘사한다. 방법은 하드웨어(회로, 전용 로직, 기타 등등), (예컨대, 범용 컴퓨터 시스템 또는 전용 머신 상에서 실행되는 것 같은) 소프트웨어, 또는 이들 두 가지의 조합을 포함할 수 있는 처리 로직에 의해 수행된다. 일 구현에서, 방법은 도 1의 서버 머신(120)에 의해 수행되지만, 어떤 다른 구현들에서, 도 2의 하나 이상의 블록들이 다른 머신에 의해 수행될 수 있다. 예를 들어 다양한 대안적 구현들에서, 방법은 사용자 디바이스(102)에서 수행될 수 있다(즉, 방법 또는 그것의 다양한 양태들은 서버 머신(120))과 같은 서버와 통신하기보다는 오히려 디바이스(102)에서 로컬하게 수행될 수 있다).
설명의 간소화를 위해, 방법들은 일련의 동작들로서 묘사되고 설명된다. 그러나, 본 개시 내용에 따른 동작들은, 다양한 순서들로 그리고/또는 동시에, 그리고 본 명세서에 제시되고 설명되지 않은 다른 동작들과 함께 발생할 수 있다. 또한, 도시된 모든 동작들이 개시된 주제에 따른 방법들을 구현하기 위해 요구되는 것은 아닐 수 있다. 또한, 본 기술 분야의 통상의 기술자는 그 방법들이 상태도를 통해 일련의 상호관련되는 상태들로서 또는 이벤트들로서 대안적으로 표현될 수 있다는 점을 이해하고 인식할 것이다. 또한, 본 명세서에 개시되는 방법들은 그러한 방법들을 컴퓨팅 디바이스들에 전송 및 이송하는 것을 용이하게 하는 제조 물품 상에 저장될 수 있다는 점이 인식되어야 한다. 제조 물품이라는 용어는, 본 명세서에 사용되는 바와 같이, 임의의 컴퓨터 판독가능 디바이스 또는 저장 매체로부터 액세스할 수 있는 컴퓨터 프로그램을 포함하는 것으로 의도된다.
블록 210에서 제1 미디어 콘텐트 항목은 하나 이상의 다른 미디어 콘텐트 항목들과 관련하여 처리될 수 있다. 그렇게 함에 있어서, 제1 미디어 콘텐트 항목과 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나의 사이의 하나 이상의 유사도들이 식별될 수 있다. 예를 들어, 특별한 미디어 콘텐트 항목(예를 들어, 비디오 클립)은 예컨대 미디어 콘텐트 스토어(140) 내의 것들과 같은 다른 미디어 콘텐트 항목들과 비교될 수 있고/있거나 그들에 비추어 달리 분석될 수 있다. 그렇게 함에 있어서, 미디어 콘텐트 항목과 미디어 콘텐트 스토어(140) 내에 저장된 다른 미디어 콘텐트 항목들 사이에 유사도들 및/또는 매치들이 식별될 수 있다(예를 들어, 각각의 미디어 콘텐트 항목들의 콘텐트 지문들을 서로 비교함으로써). 일 양태에서, 블록(210)은 콘텐트 비교 엔진(130)에 의해 수행된다.
특정 구현들에서, 참조된 처리는 임의의 시간에 또는 구간들을 두고 발생 또는 수행될 수 있다. 예를 들어, 어떤 구현들에서 처리는 예컨대 미디어 콘텐트 스토어(140)에 미디어 콘텐트 항목의 제출에 응답하여 그리고/또는 그에 후속하여 수행될 수 있다. 그러한 예에서, 특별한 미디어 콘텐트 항목은 미디어 콘텐트 스토어(140) 내에 포함된 다른 미디어 콘텐트 항목들과 관련하여 처리될 수 있다. 다른 구현들에서, 처리는 하나 이상의 구간들을 두고 (예를 들어, 매일, 매주, 매월, 기타 등등, 단위로) 주기적으로 수행될 수 있으며, 이에 의해 미디어 콘텐트 스토어(140) 내의 각각의 미디어 콘텐트 항목들이 서로와 관련하여 처리될 수 있다.
더욱이, 특정 구현들에서, 특별한 미디어 콘텐트 항목의 세그먼트와, 다양한 다른 미디어 콘텐트 항목들의 하나 이상의 세그먼트들 사이의 하나 이상의 유사도들 및/또는 매치들을 식별하기 위해 그 특별한 미디어 콘텐트 항목은 하나 이상의 다른 미디어 콘텐트 항목들과 관련하여 처리될 수 있다. 예를 들어, 35분 비디오 클립에 대하여, 그 클립의 10분 세그먼트는 하나 이상의 다른 미디어 콘텐트 항목들의 세그먼트 및/또는 전체와 유사한 것으로서 및/또는 매칭하는 것으로서 식별될 수 있다.
또한, 특정 구현들에서 특별한 미디어 콘텐트 항목은 미디어 콘텐트 스토어(140) 내에 저장된 다른 미디어 콘텐트 항목들 모두와 관련하여 처리될 수 있지만, 다른 구현들에서 특별한 미디어 콘텐트 항목은 그것의 하나 이상의 서브세트들과 관련하여 처리될 수 있다. 예를 들어, 특정 구현들에서 특별한 미디어 콘텐트 항목은 적어도 최소 수의 시청들을 갖는 미디어 콘텐트 항목들과 관련하여 처리될 수 있다. 추가적 예를 들면, 특정 구현들에서 특별한 미디어 콘텐트 항목은 (예컨대 특별한, 예를 들어, 최근의, 시간 구간에 걸친 시청들의 수에 기초하여) '유행' 또는 '인기'라고 결정될 수 있는 미디어 콘텐트 항목들과 관련하여 처리될 수 있다. 더 추가적 예를 들면, 특정 구현들에서, 특별한 미디어 콘텐트 항목은, 하나 이상의 특별한 콘텐트 작성자들/공급자들로부터 유래되었다고 결정될 수 있는, 그리고/또는 특별한 콘텐트 항목과의 하나 이상의 유사도들(예컨대 유사한 그리고/또는 관련된 제목, 서술, 카테고리화, 태그들, 기타 등등)을 가지고 있다고 결정될 수 있는 미디어 콘텐트 항목들과 관련하여 처리될 수 있다. 그렇게 함에 있어서, 특별한 미디어 콘텐트 항목의 처리를 그것이 파생되었을 가능성이 상대적으로 높은(예를 들어, 항목들의 인기도에 의해 정의됨) 그러한 다른 미디어 콘텐트 항목들에 대해 특히 한정함으로써 다양한 처리 효율들이 실현될 수 있다.
블록 220에서, 제1 미디어 콘텐트 항목의 품질 메트릭은 하나 이상의 다른 미디어 콘텐트 항목들의 하나 이상의 품질 메트릭과 비교될 수 있다. 그렇게 함에 있어서, 제1 미디어 콘텐트 항목 및/또는 하나 이상의 다른 미디어 콘텐트 항목들의 상대적 품질이 결정될 수 있다. 즉, (예를 들어 블록 210에서와 같이) 특별한 미디어 콘텐트 항목(예를 들어, 비디오 클립)이 하나 이상의 다른 미디어 콘텐트 항목들과 유사하고/하거나 매칭한다고 식별하는 것에 있어서, 각각의 미디어 콘텐트 항목들의 다양한 품질 메트릭들(142)(예를 들어, 각각의 비디오들의 해상도, 각각의 비디오들의 비트레이트, 기타 등등)이 서로 비교될 수 있다. 그러한 비교에 기초하여, 하나 이상의 결정들이 다양한 미디어 콘텐트 항목들의 품질에 대해 서로와 관련하여 행해질 수 있다(예를 들어, 다양한 미디어 콘텐트 항목들 중 어느 것이 가장 높은 상대적 품질을 갖는지, 미디어 콘텐트 항목들 중 어느 것이 가장 낮은 상대적 품질을 갖는지, 기타 등등을 결정함). 많은 시나리오들에서 하나의 미디어 콘텐트 항목이 다른 것으로부터 파생될 때, 다양한 유형들의 품질 열화가 발생할 수 있는 경우에, 두 개(또는 초과)의 미디어 콘텐트 항목들 사이에 유사도/매치가 식별될 때, 상대적으로 더 낮은 품질인 미디어 콘텐트 항목이 상대적으로 더 높은 품질인 미디어 콘텐트 항목으로부터 파생될 가능성이 상대적으로 더 많다. 일 양태에서, 블록 220은 콘텐트 비교 엔진(130)에 의해 수행된다.
예를 들어, 도 3a는 서로 유사한 것으로서 그리고/또는 매칭하는 것으로서 식별된 여러 미디어 콘텐트 항목들('비디오 A', '비디오 B', 및 '비디오 C') 및 그들의 각각의 품질 메트릭들(여기서, 비디오들의 각각의 해상도들에 대응함, 예를 들어, '720p', '1080p', 기타 등등)을 묘사한다. 다양한 미디어 콘텐트 항목들의 각각의 품질 메트릭들을 비교함으로써, 다른 미디어 콘텐트 항목들과 관련하여 각각의 미디어 콘텐트 항목의 상대적 품질이 결정될 수 있다는 것이 인식될 수 있다. 예를 들어, '비디오 A'('720p'의 해상도를 가짐)는 '비디오 C'('480p'의 해상도를 가짐)보다 더 높은 상대적 품질과 '비디오 B'('1080p'의 해상도를 가짐)보다 더 낮은 상대적 품질을 가지고 있다고 결정될 수 있다.
블록 230에서, 하나 이상의 콘텐트 유포 메트릭들이 결정될 수 있다. 특정 구현들에서, 각각의 콘텐트 유포 메트릭들은 제1 미디어 콘텐트 항목에 대해 그리고 하나 이상의 다른 미디어 콘텐트 항목들에 대해 결정될 수 있다. 즉, (예컨대 블록 210에서) 특별한 미디어 콘텐트 항목(예를 들어, 비디오 클립)이 하나 이상의 다른 미디어 콘텐트 항목들과 유사하고/하거나 매칭한다고 식별한 경우에, 각각의 미디어 콘텐트 항목들의 다양한 유포 메트릭들(143)이 서로 비교될 수 있다. 그러한 콘텐트 유포 메트릭들의 예들은 미디어 콘텐트 항목의 공유의 인스턴스들(예를 들어, 소셜 네트워킹 사이트 또는 플랫폼을 통하여 하나 이상의 사용자들 사이의) 및/또는 미디어 콘텐트 항목의 시청 또는 재생의 인스턴스들(예를 들어, 미디어 공유 서비스 또는 사이트를 통해)을 포함하나, 그들에 한정되지 않으며, 그렇더라도 임의 수의 다른 콘텐트 유포 메트릭들(여러 개별 메트릭들을 책임지는 집성 메트릭들을 포함함)이 또한 채택될 수 있다는 것이 이해될 것이다. 예를 들어, 도 3b는 서로 유사한 것으로서 그리고/또는 매칭하는 것으로서 식별된 여러 미디어 콘텐트 항목들('비디오 A', '비디오 B', 및 '비디오 C') 및 그들의 각각의 콘텐트 유포 메트릭들(여기서, 각각의 비디오들이 공유/시청되는 인스턴스들의 각각의 수에 대응함, 예를 들어, '22,503', '158,216', 기타 등등)을 묘사한다. 일 양태에서, 블록 230은 콘텐트 유포 결정 엔진(132)에 의해 수행된다.
블록 240에서, 제1 미디어 콘텐트 항목과 하나 이상의 다른 미디어 콘텐트 항목들 중에서 가장 많이 유포된 미디어 콘텐트 항목이 식별될 수 있다. 특정 구현들에서, 참조된 가장 많이 유포된 미디어 콘텐트 항목이 하나 이상의 콘텐트 유포 메트릭들에 기초하여 식별될 수 있다(예컨대 블록 230에서 결정된 것들). 많은 시나리오들에서 '원본' 미디어 콘텐트 항목이 '파생된' 미디어 콘텐트 항목보다 상대적으로 더 많이 유포될 가능성이 있으므로, 두 개(또는 초과)의 미디어 콘텐트 항목들 사이에 유사도/매치가 식별될 때, 상대적으로 덜 유포된(예를 들어, 덜 시청되었음) 미디어 콘텐트 항목이 상대적으로 더 많이 유포된 미디어 콘텐트 항목으로부터 파생되었을 가능성이 상대적으로 더 높다. 예를 들어, 그리고 도 3b를 참조하면, '비디오 B'가 '비디오 A' 및 '비디오 C'보다 상대적으로 더 큰 콘텐트 유포 메트릭 즉, 158,216 공유/시청을 가짐을 알 수 있다. 일 양태에서, 블록 240은 콘텐트 유포 결정 엔진(132)에 의해 수행된다.
블록 250에서, 하나 이상의 파생 메트릭들이 결정될 수 있다. 특정 구현들에서, 그러한 파생 메트릭들은 제1 미디어 콘텐트 항목과 하나 이상의 다른 미디어 콘텐트 항목들에 대하여 결정될 수 있다. 그러한 파생 메트릭들은 예를 들어, 하나의 미디어 콘텐트 항목이 다른 것으로부터 파생되었을(예를 들어, 하나 미디어 콘텐트 항목으로부터의 일부들 또는 세그먼트들이 다른 미디어 콘텐트 항목에서 재생될 때, 발생할 수 있음) 절대적 및/또는 상대적 정도 및/또는 가능성을 반영할 수 있는 하나 이상의 스코어(들), 랭킹(들), 등급(들), 기타 등등을 포함할 수 있다. 특정 구현들에서, 그러한 파생 메트릭들은 제1 미디어 콘텐트 항목과 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나 사이의 하나 이상의 유사도들의 식별에 기초하여 결정될 수 있다. 즉, 특별한 미디어 콘텐트 항목(예를 들어, 비디오)이 하나 이상의 다른 미디어 콘텐트 항목들과 유사 및/또는 매치한다고 식별한 경우에(예컨대 블록 210에서 기술된 방식으로), 하나(또는 초과)의 미디어 콘텐트 항목들이 하나(또는 초과)의 다른 것들로부터 파생되었을 정도/가능성을 반영하는 하나 이상의 파생 메트릭들이 결정될 수 있다. 일 양태에서, 블록 250은 파생 결정 엔진(134)에 의해 수행된다.
특정 구현들에서, 시간적 선행순위(chronological precedence)는 제1 미디어 콘텐트 항목과, 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나에 대하여 결정될 수 있다. 즉, 많은 시나리오들에서, 다른 미디어 콘텐트 항목과 유사한/매치하는, 그리고 다른 미디어 콘텐트 항목들에 대해 후속적으로 생성 및/또는 제공된(예를 들어, 중앙 미디어 콘텐트 스토어에 업로드된) 것으로서 또한 식별될 수 있는 미디어 콘텐트 항목은, 적어도 어느 정도 더 일찍 생성된/업로드된 미디어 콘텐트 항목으로부터 파생되었을 가능성이 있는 것으로 결정될 수 있다고 이해될 수 있다. 따라서, 특별한 미디어 콘텐트 항목의 각각의 시간적 선행순위(예를 들어, 그것이 다른 유사한/매치하는 미디어 콘텐트 항목 전에 또는 후에 생성 및/또는 업로드되었는지)는 참조된 파생 메트릭들을 결정하기 위해 이용될 수 있다(예를 들어, 하나 이상의 팩터들로서).
예를 들어, 도 3c는 서로 유사한 것으로서 그리고/또는 매칭하는 것으로서 식별된 여러 미디어 콘텐트 항목들('비디오 A', '비디오 B', 및 '비디오 C'), 및 그 각각의 비디오가 예컨대 미디어 콘텐트 스토어(140)에 업로드되었던 각각의 날짜들(예를 들어, '2012. 6. 1', '2012. 4. 1', 기타 등등)을 묘사한다. 도 3c를 참조하면, 예를 들어, '비디오 A'에 대하여 시간적 선행순위가 결정될 수 있고, 그것에 의해 '비디오 A'(2012년 6월 1일에 업로드됨)가 (2012년 4월 1일의 업로드 날짜를 갖는) '비디오 B' 후에 그러나 (2012년 9월 1일의 업로드 날짜 갖는) '비디오 C' 전에 업로드되었다고 이해될 수 있다. 그러한 시간적 선행순위는 '비디오 A'가 '비디오 B'로부터 파생되었을 가능성이 상대적으로 더 많으나('비디오 B'가 첫째로 업로드된 것이기 때문에), '비디오 C'로부터 파생되었을 가능성이 상대적으로 더 적음('비디오 C'가 나중에 업로드된 것이기 때문에)을 지시 또는 달리 암시할 수 있다. 따라서, 그러한 결정은 예를 들어, '비디오 A'에 대하여, 참조된 파생 메트릭(들)을 결정하기 위한 적어도 하나의 팩터로서 간주될 수 있다.
더욱이, 특정 구현들에서 참조된 파생 메트릭들은, (블록 220에 결정된 상대적 품질과 같은) 제1 미디어 콘텐트 항목 및/또는 하나 이상의 다른 미디어 콘텐트 항목들의 상대적 품질에 기초하여 제1 미디어 콘텐트 항목 및 하나 이상의 다른 미디어 콘텐트 항목들에 대하여 결정될 수 있다. 즉, 많은 시나리오들에서, 다른 미디어 콘텐트 항목과 유사한/매치하는, 그리고 다른 미디어 콘텐트 항목보다 상대적으로 낮은 상대적 품질인 것으로서(예를 들어, 720p 해상도 대 1080p) 또한 식별될 수 있는 미디어 콘텐트 항목은, 적어도 어느 정도 상대적으로 더 높은 품질의 미디어 콘텐트 항목으로부터 파생되었을 가능성이 있는 것으로 결정될 수 있다고 이해될 수 있다. 따라서, 특별한 미디어 콘텐트 항목의 각각의 상대적 품질(예를 들어, 비디오 해상도의 경우에 720p, 480p, 기타 등등)은 참조된 파생 메트릭들을 결정하기 위해 이용될 수 있다. 예를 들어, 도 3a에 도시된 바와 같이, '비디오 A'('720p'의 해상도를 가짐)는 '비디오 B'('1080p'의 해상도를 가짐)보다 더 낮은 상대적 품질을 갖고, 이는 '비디오 A'가 '비디오 B'로부터 파생되었을 가능성이 상대적으로 더 많음을 지시한다고 이해될 수 있다. 비디오가 '비디오 A'보다 더 낮은 상대적 품질을 갖는 '비디오 C'('480p'의 해상도를 가짐)에 대하여, '비디오 A'가 그것으로부터 파생되었을 가능성은 상대적으로 적다. 따라서, (예를 들어, 다른 유사한/매칭하는 미디어 콘텐트 항목(들)에 관련하여) 특별한 미디어 콘텐트 항목의 각각의 상대적 품질은 참조된 파생 메트릭들을 결정하기 위해(예를 들어, 하나 이상의 팩터들로서) 이용될 수 있다.
또한, 특정 구현들에서 참조된 파생 메트릭들은 가장 많이 유포된 미디어 콘텐트 항목의 식별에 기초하여 결정될 수 있다(예컨대 블록 240에 기술된 방식으로). 즉, 많은 시나리오들에서, 다른 미디어 콘텐트 항목과 유사한/매치하는, 그리고 다른 미디어 콘텐트 항목보다 상대적으로 덜 유포된(예를 들어, 공유된, 시청된, 기타 등등) 것으로서 또한 식별될 수 있는 미디어 콘텐트 항목은, 적어도 어느 정도 더 많이/가장 많이 유포된 미디어 콘텐트 항목으로부터 파생되었을 가능성이 있는 것으로 결정될 수 있다고 이해될 수 있다. 따라서, 특별한 미디어 콘텐트 항목의 각각의 콘텐트 유포 메트릭(들)(예를 들어, 비디오가 공유된, 시청된 인스턴스들의 수, 기타 등등)은 참조된 파생 메트릭들을 결정하기 위해 이용될 수 있다(예를 들어, 하나 이상의 팩터들로서). 예를 들어, 도 3b에 도시된 바와 같이, '비디오 A'(22,503회 공유/시청됨)는 '비디오 B'(158,216회 공유/시청됨)보다 상대적으로 덜 유포되고, 이는 '비디오 A'가 '비디오 B'로부터 파생되었을 가능성이 상대적으로 더 많음을 지시한다고 이해될 수 있다. 비디오가 '비디오 A'보다 덜 유포된 '비디오 C'(6,794회 공유/시청됨)에 대하여, '비디오 A'가 그것으로부터 파생되었을 가능성은 상대적으로 더 적다. 따라서, (예를 들어, 다른 유사한/매칭하는 미디어 콘텐트 항목(들)에 관련하여) 특별한 미디어 콘텐트 항목의 각각의 유포 메트릭(들)은 참조된 파생 메트릭들을 결정하기 위해 (예를 들어, 하나 이상의 팩터들로서) 이용될 수 있다.
더욱이, 특정 구현들에서 하나 이상의 다른 미디어 콘텐트 항목들에 존재하는 제1 미디어 콘텐트 항목의 개별 세그먼트들의 양이 결정될 수 있다. 즉, 많은 시나리오들에서, 다른 미디어 콘텐트 항목들에도 또한 존재하는 개별 세그먼트들이 상대적으로 많은 미디어 콘텐트 항목은 다른 미디어 콘텐트 항목들에도 또한 존재하는 개별 세그먼트들이 상대적으로 적은(또는 없는) 미디어 콘텐트 항목보다 파생된 것일 가능성이 더 적다고 이해될 수 있다. 예를 들어, 도 4a는 '비디오 B'의 지속시간을 나타내는 타임라인(400)을 도시하는 개략도이다. 도 4a를 참조하면, '비디오 B'의 여러 개별 세그먼트들이 다른 미디어 콘텐트 항목들('비디오 A', 비디오 C', 기타 등등)에 존재하는 것으로서 식별될 수 있음을 알 수 있다. 특별한 미디어 콘텐트 항목의 상대적으로 많은 개별 세그먼트들이 다른 미디어 콘텐트 항목들에 존재하는 것으로서 식별될 수 있는 그러한 시나리오는, 특별한 미디어 콘텐트 항목(여기서, '비디오 B')이 다른 미디어 콘텐트 항목으로부터 파생되었을 가능성이 상대적으로 더 적음을 지시할 수 있다. 따라서, 그러한 결정(들)은 참조된 파생 메트릭들을 결정하기 위해 (예를 들어, 하나 이상의 팩터들로서) 이용될 수 있다.
이와 대조적으로, 도 4b는 다른 미디어 콘텐트 항목들에도 또한 존재하는 개별 세그먼트들이 상대적으로 더 적은 또 하나의 미디어 콘텐트 항목('비디오 A')을 묘사한다. 도 4b에 도시된 바와 같이, '비디오 A'의 단일 개별 세그먼트는 여러 다른 미디어 콘텐트 항목들('비디오 C', '비디오 D', 기타 등등)에 존재한다. (다른 미디어 콘텐트 항목들 내의 특별한 미디어 콘텐트 항목의 많은 개별 세그먼트들의 존재가, 특별한 미디어 콘텐트 항목이 다른 미디어 콘텐트 항목들로부터 파생되지 않았음을 지시할 수 있는) 도 4a에 도시된 시나리오와 대조적으로, (즉, 특별한 미디어 콘텐트 항목의 상대적으로 소수의 개별 세그먼트들이 다른 미디어 콘텐트 항목들에 존재하는 것으로서 식별될 수 있는) 이 시나리오는, 특별한 미디어 콘텐트 항목(여기서, '비디오 A')이 다른 미디어 콘텐트 항목으로부터 파생되지 않았는지 여부에 대하여 상대적으로 덜 지시한다.
이때, 다양한 결정들 및/또는 팩터들(예를 들어, 하나 이상의 다른 것들과 관련하여 하나의 미디어 콘텐트 항목의 시간적 선행순위, 하나 이상의 다른 것들과 관련하여 하나의 미디어 콘텐트 항목의 상대적 품질, 기타 등등)이 참조된 파생 메트릭들을 결정하는 것에 대하여 본 명세서에서 기술되지만, 그러한 결정/팩터들은 예시적이고 임의 수의 다른 결정/팩터들이 유사하게 구현시킬 수 있다는 것을 유의해야 한다. 더욱이, 참조된 파생 메트릭들은 임의의 수의 방법들로 결정/계산될 수 있다. 예를 들어, 특정 구현들에서 하나 이상 결정/팩터들이 복합 스코어에 집성될 수 있는 반면에, 다른 구현들에서는 그러한 결정/팩터들이 평균화, 가중화, 기타 등등 될 수 있다. 그렇게 함에 있어서, (그들 각각의 파생 메트릭들에 의해) 다른 미디어 콘텐트 항목들로부터 파생되었을 가능성이 상대적으로 더 많은 그러한 미디어 콘텐트 항목들(예컨대 미디어 콘텐트 스토어(140)에 저장된 것들과 같은 많은 미디어 콘텐트 항목들 중에서) 및/또는 파생되었을 가능성이 상대적으로 더 적은 그러한 미디어 콘텐트 항목들이 식별될 수 있다.
또한, 특정 구현들에서 하나 이상의 다른 미디어 콘텐트 항목들로부터 파생된 제1 미디어 콘텐트 항목의 비율이 결정될 수 있다. 예를 들어, 도 5는 '비디오 A'의 지속시간을 나타내는 타임라인(500)을 도시하는 개략도이다. 도 5를 참조하면, '비디오 A'의 여러 세그먼트들이 다른 미디어 콘텐트 항목들(예를 들어, '비디오 B' 및 '비디오 D')에 존재하는 것으로서 식별될 수 있는 것을 이해할 수 있다. 따라서, 특정 구현들에서 하나 이상의 다른 미디어 콘텐트 항목들(예를 들어, 본 명세서에서 기술되는 하나 이상의 파생 메트릭들에 기초하여 결정된, 예를 들어 '비디오 B', '비디오 D', 기타 등등)로부터 파생되었다고 결정될 수 있는 특별한 미디어 콘텐트 항목(예를 들어, 도 5에 도시되는 바와 같은 '비디오 A')의 누적 또는 집성 시간 양이 특별한 미디어 콘텐트 항목의 총 지속시간과 비교될 수 있다. 그렇게 함에 있어서, 하나 이상의 다른 미디어 콘텐트 항목들로부터 파생된 특별한 미디어 콘텐트 항목의 비율이 결정될 수 있다. 실례로서 그리고 도 5를 참조하면, '비디오 A'가 10:00분의 총 지속시간을 가지고 있으며, 그 중 5:00분이 다른 미디어 콘텐트 항목들('비디오 B'로부터의 3:00분과 '비디오 D'로부터의 2:00분)로부터 파생되었다고 결정되므로, 다른 미디어 콘텐트 항목들로부터 파생된 '비디오 A'의 총 지속시간의 비율은 50%라고 결정될 수 있다.
블록 260에서, 제1 미디어 콘텐트 항목 및/또는 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나에 대하여 하나 이상의 동작들이 개시될 수 있다. 특정 구현들에서, 그러한 동작들은 하나 이상의 파생 메트릭들의 결정에 기초하여 개시될 수 있다. 즉, (예컨대 블록 250에 기술된 방식으로) 특별한 미디어 콘텐트 항목에 대하여 하나 이상의 파생 메트릭들을 결정한 경우, 다양한 동작들이 그러한 결정 때문에 개시될 수 있다. 예를 들어, 특정 구현들에서 특별한 임계값을 충족하거나 초과하는 파생 메트릭들을 갖는 미디어 콘텐트 항목들은 추가적 검토 및/또는 검사를 위해 플래깅(flagged) 또는 달리 선택될 수 있다. 일 양태에서, 블록 260은 동작 개시 엔진(136)에 의해 수행된다.
더욱이, 특정 구현들에서, (블록 250에 결정될 수 있는 비율과 같은) 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나로부터 파생되는 제1 미디어 콘텐트 항목의 비율에 기초하여 제1 미디어 콘텐트 항목에 대하여 하나 이상의 동작들이 개시될 수 있다. 예를 들어, 특정 구현들에서 비율 임계값이 정의될 수 있고, 이에 의해 하나 이상의 다른 미디어 콘텐트 항목들로부터 적어도 그 비율이 파생된 것으로 결정될 수 있는 미디어 콘텐트 항목이 추가적 검토 및/또는 검사를 위해 플래깅 또는 달리 선택될 수 있다.
또한, 특정 구현들에서, 특별한 미디어 콘텐트 항목의 '바이러스성(virality)'(즉, 그러한 미디어 콘텐트 항목에 대하여 나타나고 있는 증가된 관심/주의의 정도)이 참조된 파생 메트릭들에 기초하여 계산될 수 있다. 즉, '바이러스성'인/으로 된/으로 되기 쉬운 미디어 콘텐트 항목들은 그들에 기초하여 생성되는 다른 '파생된' 미디어 콘텐트 항목들(예를 들어, '원본' 미디어 콘텐트 항목에 기초한 '매쉬업들(mash-ups)', '리믹스들(remixes)', 및/또는 주석들)을 가질 가능성이 상대적으로 더 많으므로, 참조된 파생 메트릭들 중 하나 이상을 결정함에 의해, 특별한 미디어 콘텐트 항목의 '바이러스성' (과거의, 현재의, 또는 예측의 '바이러스성'인지)의 척도가 계산될 수 있다. 예를 들어, 여러 미디어 콘텐트 항목들이 특별한 미디어 콘텐트 항목에 대하여 상대적으로 높은 파생 메트릭들을 갖는 것으로 결정되는 시나리오에서, 그러한 미디어 콘텐트 항목은 '바이러스성'일 가능성이 있는 (또는 '바이러스성'이었을 또는 '바이러스성'으로 될 가능성이 있는) 것으로 결정될 수 있다.
더욱이, 특정 구현들에서, 참조된 파생 메트릭들 중 하나 이상은 부적당하게 '원본'인 것으로 지정되었을 수 있는 미디어 콘텐트 항목들을 식별하는 것에 대하여 이용될 수 있다. 즉, 다양한 설정들에서, 예컨대 미디어 공유 사이트들 및 서비스들과 관련하여, 다양한 기술들은 (예컨대 '참조' 미디어 콘텐트 항목들에 존재하는 것과 필적할 콘텐트를 포함하는 제출된 미디어 콘텐트 항목들을 식별하기 위해) 콘텐트 작성자들이 그들의 원본 작품들의 카피들을 제출하는 것을 가능하게 할 수 있어서, 이들은 나중에 제출되는 미디어 콘텐트 항목들에 대하여 '참조들'로서 이용될 수 있다는 것이 이해될 수 있다. 따라서, 특정 시나리오들에서, 미디어 콘텐트 항목이 실제로는 하나 이상의 다른 미디어 콘텐트 항목들로부터 '파생된' 것이고 따라서 '원본'이 아니더라도, 그러한 '참조'로서 제출될 수 있다는 것을 더 인식할 것이다. 따라서, 특정 구현들에서, (예를 들어) 하나 이상의 상대적으로 높은 파생 메트릭들을 갖는 것에 의해, 실제로는 '원본' 콘텐트가 아닐 수 있는 그러한 미디어 콘텐트 항목들을 '플래깅' 또는 달리 식별하기 위하여, '참조' 항목들로서 제출되는 그러한 미디어 콘텐트 항목들에 대하여, 참조된 파생 메트릭들이 활용될 수 있다. 참조된 결정들/식별들은 예시적이고, 임의 수의 다른 결정/식별들이 (예컨대 상이한 내용들과 환경들로) 마찬가지로 구현될 수 있다는 것을 이해해야 한다.
도 6은 머신이 본 명세서에서 논의되는 방법론들 중 어느 하나 이상을 수행하게 하기 위한 명령어들의 세트가 실행될 수 있는 예시적 컴퓨터 시스템을 묘사한다. 대안적인 구현들에서, 머신은, LAN, 인트라넷, 엑스트라넷, 또는 인터넷 내에 있는 다른 머신들에 접속(예를 들어, 네트워킹)될 수 있다. 머신은 클라이언트-서버 네트워크 환경에서 서버 머신의 자격으로 동작할 수 있다. 머신은 PC(Personal Computer), STB(Set-Top Box), 서버, 네트워크 라우터, 스위치 또는 브리지, 또는 그 머신에 의해 취해질 동작들을 명시하는(순차적인 또는 다른 방식의) 명령어들의 세트를 실행할 수 있는 임의의 머신일 수 있다. 또한, 단일 머신만이 도시되지만, 용어 "머신"은 본 명세서에서 논의되는 방법론들 중 임의의 하나 이상을 수행하기 위해 명령어들의 세트(또는 복수의 세트)를 개별적으로 또는 공동으로 실행하는 머신들의 임의의 집합을 포함하는 것으로도 간주될 것이다.
예시적 컴퓨터 시스템(600)은 버스(608)를 통해 서로 통신하는 처리 시스템(프로세서)(602), 메인 메모리(604)(예로서, 판독 전용 메모리(ROM), 플래시 메모리, 다이내믹 랜덤 액세스 메모리(DRAM), 예컨대 동기 DRAM(SDRAM)), 스태틱 메모리(606)(예를 들어, 플래시 메모리, 스태틱 랜덤 액세스 메모리(SRAM)), 및 데이터 저장 디바이스(616)를 포함한다.
프로세서(602)는 마이크로프로세서, 또는 중앙 처리 유닛 등과 같은 하나 이상의 범용 처리 디바이스들을 나타낸다. 더 구체적으로, 프로세서(602)는 CISC(complex instruction set computing) 마이크로프로세서, RISC(reduced instruction set computing) 마이크로프로세서, VLIW(very long instruction word) 마이크로프로세서, 또는 다른 명령어 세트들을 구현하는 프로세서 또는 명령어 세트들의 조합을 구현하는 프로세서들일 수 있다. 프로세서(602)는 주문형 집적 회로(ASIC), 필드 프로그래머블 게이트 어레이(FPGA), 디지털 신호 프로세서(DSP), 또는 네트워크 프로세서 등과 같은 하나 이상의 특수 목적 처리 디바이스들일 수도 있다. 프로세서(602)는 본 명세서에서 논의되는 작업들 및 단계들을 수행하기 위한 명령어들(626)을 실행하도록 구성된다.
컴퓨터 시스템(600)은 네트워크 인터페이스 디바이스(622)를 더 포함할 수 있다. 컴퓨터 시스템(600)은 비디오 디스플레이 유닛(610)(예를 들어, 액정 디스플레이(LCD) 또는 음극선관(CRT)), 영숫자 입력 디바이스(612)(예로서, 키보드), 커서 제어 디바이스(614)(예를 들어, 마우스) 및 신호 생성 디바이스(620)(예를 들어, 스피커)도 포함할 수 있다.
데이터 저장 디바이스(616)는 본 명세서에서 설명되는 방법론들 또는 기능들 중 임의의 하나 이상을 구현하는 명령어들(626)(예로서, 협력 관리자(225) 등에 의해 실행되는 명령어들)의 하나 이상의 세트들을 저장하는 컴퓨터 판독가능 매체(624)를 포함할 수 있다. 명령어들(626)은 컴퓨터 시스템(600)에 의한 그의 실행 동안 메인 메모리(604) 내에 그리고/또는 프로세서(602) 내에 완전히 또는 적어도 부분적으로 상주할 수도 있으며, 메인 메모리(604) 및 프로세서(602)도 컴퓨터 판독가능 매체를 구성한다. 명령어들(626)은 네트워크 인터페이스 디바이스(622)를 통해 네트워크를 거쳐 더 송신 또는 수신될 수 있다.
컴퓨터 판독가능 저장 매체(624)는 예시적인 실시예에서 단일 매체인 것으로 도시되지만, 용어 "컴퓨터 판독가능 저장 매체"는 명령어들의 하나 이상의 세트들을 저장하는 단일 매체 또는 복수의 매체(예를 들어, 중앙 또는 분산 데이터베이스 및/또는 연관 캐시들 및 서버들)를 포함하는 것으로 간주되어야 한다. "컴퓨터 판독가능 저장 매체"라는 용어는 또한, 머신에 의한 실행을 위해 명령어들의 세트를 저장, 인코딩, 또는 전달할 수 있고, 머신으로 하여금 본 개시의 방법론들 중 임의의 하나 이상을 수행하게 하는 임의의 매체를 포함하는 것으로 고려되어야 한다. 용어 "컴퓨터 판독가능 저장 매체"는 따라서 솔리드-스테이트 메모리들(solid-state memories), 광 매체, 및 자기 매체를 포함하지만, 이들에 한정되지 않는 것으로 간주되어야 한다.
위의 설명에서 다양한 상세 사항들이 제시된다. 그러나, 본 개시 내용의 혜택을 받는 본 기술 분야의 통상의 기술자에게는 이러한 특정 상세 사항들 없이도 실시예들이 실시될 수 있다는 점이 명백할 것이다. 일부 예들에서는, 설명을 불명료하게 하는 것을 회피하기 위해서, 잘 알려진 구조들 및 디바이스들은, 상세히 대신에, 블록도 형태로 도시된다.
상세한 설명의 일부 부분들은 컴퓨터 메모리 내의 데이터 비트들에 대한 연산들의 알고리즘들 및 심볼 표현들의 관점에서 제시된다. 이들 알고리즘 설명들 및 표현들은, 데이터 처리 기술 분야의 통상의 기술자들에 의해 그들의 작업의 본질을 그 기술 분야의 다른 통상의 기술자들에게 가장 효과적으로 전달하는 데 사용되는 수단이다. 알고리즘은 여기서 및 일반적으로, 원하는 결과를 야기하는 단계들의 일관성 있는 시퀀스라고 생각된다. 단계들은 물리량들의 물리적인 조작을 요구하는 것들이다. 일반적으로, 반드시 그러하지는 않지만, 이러한 양들은 저장, 송신, 조합, 비교, 및 달리 조작이 가능한 전기 또는 자기 신호들의 형태를 취한다. 주로 통상적인 사용의 이유로, 이러한 신호들을 비트들, 값들, 요소들, 심볼들, 문자들, 용어들, 또는 숫자들 등으로 지칭하는 것이 때로는 편리한 것으로 밝혀졌다.
그러나, 이러한 용어들 및 유사한 용어들 모두가 적절한 물리적 양들과 연관되는 것이며, 이러한 양들에 적용되는 단지 편리한 레이블들일 뿐이라는 점을 명심해야 한다. 달리 구체적으로 언급되지 않는 한, 앞선 논의에서 명확해지는 바와 같이, 설명 전체에 걸쳐, "처리", "결정", "개시", "비교" 또는 "식별" 등의 용어들을 사용하는 논의들은, 컴퓨터 시스템의 레지스터들 및 메모리들 내의 물리(전기)량들로서 표현된 데이터를 조작하여, 컴퓨터 시스템 메모리들 또는 레지스터들 또는 다른 그러한 정보 저장, 전송, 또는 표시 디바이스들 내의 물리량들로서 유사하게 표현된 다른 데이터로 변환하는, 컴퓨터 시스템 또는 유사한 전자 컴퓨팅 디바이스의 동작들 및 프로세스들을 지칭한다.
본 개시 내용의 양태들 및 구현들은 또한 본 명세서에서 동작들을 수행하는 장치와 관련된다. 이러한 장치는 요구되는 목적들을 위해 특별히 구성될 수 있거나, 또는 컴퓨터에 저장되는 컴퓨터 프로그램에 의해 선택적으로 기동되거나 또는 재구성되는 범용 컴퓨터를 포함할 수 있다. 그러한 컴퓨터 프로그램은, 이에 제한되는 것은 아니지만, 플로피 디스크들, 광 디스크들, CD-ROM들, 및 광자기 디스크들을 포함하는 임의의 유형의 디스크, ROM들(Read-Only Memories), RAM들(Random Access Memories), EPROM들, EEPROM들, 자기, 또는 광 카드들, 또는 전자 명령어들을 저장하기에 적합한 임의의 유형의 매체와 같은, 컴퓨터 판독가능 저장 매체에 저장될 수 있다.
본 명세서에 제시되는 알고리즘들 및 디스플레이들이 본질적으로 임의의 특정 컴퓨터 또는 다른 장치에 관련되는 것은 아니다. 다양한 범용 시스템들이 본 명세서에서의 교시 내용들에 따른 프로그램들과 함께 사용될 수 있거나, 또는 요구되는 방법 단계들을 실행하도록 보다 특수화된 장치를 구성하는 것이 편리한 것으로 입증될 수 있다. 다양한 이러한 시스템들에 대해 요구되는 구조는 이하의 설명으로부터 나타날 것이다. 또한, 본 개시 내용이 임의의 특정 프로그래밍 언어를 참조하여 설명되는 것은 아니다. 본 명세서에서 설명되는 바와 같은 본 개시 내용의 교시들을 구현하는 데 다양한 프로그래밍 언어들이 사용될 수 있다는 점이 이해될 것이다.
위의 설명은 제한적이 아니라 예시적 것으로 의도된다는 점을 이해할 것이다. 위의 설명을 읽고 이해하면 많은 기타 실시예들이 통상의 기술자들에게 명백할 것이다. 더욱이, 앞서 설명된 기술들은 미디어 클립들(예를 들어, 이미지들, 오디오 클립들, 텍스트 문서들, 웹페이지들, 기타 등등) 대신에 또는 외에도 다른 유형들의 데이터에도 적용될 수 있다. 따라서, 본 개시 내용의 범위는, 첨부된 청구항들을 참조하여, 그러한 청구항들에 권리가 주어지는 균등물들의 전체 범위와 함께, 결정되어야 한다.
Claims (21)
- 미디어 콘텐트 항목들 중의 파생 정도 및 가능성에 관한 방법으로서,
제1 미디어 콘텐트 항목과, 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나 사이의 하나 이상의 유사도들을 식별하기 위해 상기 제1 미디어 콘텐트 항목을 상기 하나 이상의 다른 미디어 콘텐트 항목들과 관련하여 처리하는 단계;
상기 제1 미디어 콘텐트 항목에 대하여 그리고 상기 하나 이상의 다른 미디어 콘텐트 항목들 각각에 대하여, 하나 이상의 콘텐트 유포 메트릭들을 결정하는 단계;
각각의 상기 하나 이상의 콘텐트 유포 메트릭들에 기초하여, 상기 제1 미디어 콘텐트 항목 및 상기 하나 이상의 다른 미디어 콘텐트 항목들 중에서 가장 많이 유포된 미디어 콘텐트 항목을 식별하는 단계;
상기 제1 미디어 콘텐트 항목과, 상기 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나 사이의 상기 하나 이상의 유사도들의 식별 및 상기 가장 많이 유포된 미디어 콘텐트 항목의 식별에 기초하여, 처리 디바이스에 의해, 상기 제1 미디어 콘텐트 항목과, 상기 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나에 대하여 하나 이상의 파생 메트릭들을 결정하는 단계 - 상기 하나 이상의 파생 메트릭들을 결정하는 단계는 상기 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나에 존재하는 상기 제1 미디어 콘텐트 항목의 개별 세그먼트들의 양을 결정하는 것을 포함함 - ; 및
상기 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나에 존재하는 상기 제1 미디어 콘텐트 항목의 상기 개별 세그먼트들의 양에 기초하여, (a) 상기 제1 미디어 콘텐트 항목 또는 (b) 상기 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나 중에서 적어도 하나에 대하여 하나 이상의 동작들을 개시하는 단계를 포함하고,
상기 제1 미디어 콘텐트 항목 및 상기 하나 이상의 다른 미디어 콘텐트 항목들 중에서 상기 가장 많이 유포된 미디어 콘텐트 항목보다 덜 유포된 것으로 식별된 미디어 콘텐트 항목은, 상기 가장 많이 유포된 미디어 콘텐트 항목으로부터 파생되었을 가능성이 있는 것으로 결정되고,
상기 하나 이상의 동작들을 개시하는 단계는, 상기 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나에 존재하는 상기 제1 미디어 콘텐트 항목의 상기 개별 세그먼트들의 양이 상기 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나에 존재하는 다른 미디어 콘텐트 항목의 개별 세그먼트들의 양보다 크다는 결정에 기초하여 (a) 상기 제1 미디어 콘텐트 항목 또는 (b) 상기 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나 중에서 적어도 하나에 대하여 하나 이상의 동작들을 개시하는 것을 포함하는, 방법. - 제1항에 있어서, 상기 제1 미디어 콘텐트 항목을 상기 하나 이상의 다른 미디어 콘텐트 항목들과 관련하여 처리하는 단계는, 상기 제1 미디어 콘텐트 항목의 세그먼트와, 상기 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나의 하나 이상의 세그먼트들 간의 하나 이상의 유사도들을 식별하기 위해, 상기 제1 미디어 콘텐트 항목을 상기 하나 이상의 다른 미디어 콘텐트 항목들과 관련하여 처리하는 단계를 포함하는, 방법.
- 제1항에 있어서, 상기 하나 이상의 파생 메트릭들을 결정하는 단계는 상기 제1 미디어 콘텐트 항목과, 상기 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나에 대하여 시간적 선행순위(chronological precedence)를 결정하는 단계를 포함하는, 방법.
- 제1항에 있어서, (a) 상기 제1 미디어 콘텐트 항목 또는 (b) 상기 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나 중에서 적어도 하나의 상대적 품질을 결정하기 위해, 상기 제1 미디어 콘텐트 항목의 품질 메트릭과, 상기 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나의 하나 이상의 품질 메트릭들을 비교하는 단계를 더 포함하는, 방법.
- 제4항에 있어서, 상기 하나 이상의 파생 메트릭들을 결정하는 단계는, (a) 상기 제1 미디어 콘텐트 항목 또는 (b) 상기 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나 중에서 적어도 하나의 상대적 품질에 기초하여, 상기 제1 미디어 콘텐트 항목과, 상기 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나에 대하여 하나 이상의 파생 메트릭들을 결정하는 단계를 포함하는, 방법.
- 삭제
- 삭제
- 제1항에 있어서, 상기 하나 이상의 파생 메트릭들을 결정하는 단계는, 상기 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나로부터 파생되는 상기 제1 미디어 콘텐트 항목의 비율을 결정하는 단계를 포함하는, 방법.
- 제8항에 있어서, (a) 상기 제1 미디어 콘텐트 항목 또는 (b) 상기 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나 중에서 적어도 하나에 대하여 하나 이상의 동작들을 개시하는 단계는, 상기 비율에 기초하여, 상기 제1 미디어 콘텐트 항목에 대하여 하나 이상의 동작들을 개시하는 단계를 포함하는, 방법.
- 미디어 콘텐트 항목들 중의 파생 정도 및 가능성에 관한 시스템으로서,
메모리; 및
상기 메모리에 연결된 처리 디바이스를 포함하고,
상기 처리 디바이스는:
제1 미디어 콘텐트 항목과 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나 사이의 하나 이상의 유사도들을 식별하기 위해 상기 제1 미디어 콘텐트 항목을 상기 하나 이상의 다른 미디어 콘텐트 항목들과 관련하여 처리하고;
상기 제1 미디어 콘텐트 항목에 대하여 그리고 상기 하나 이상의 다른 미디어 콘텐트 항목들 각각에 대하여, 하나 이상의 콘텐트 유포 메트릭들을 결정하고;
각각의 상기 하나 이상의 콘텐트 유포 메트릭들에 기초하여, 상기 제1 미디어 콘텐트 항목 및 상기 하나 이상의 다른 미디어 콘텐트 항목들 중에서 가장 많이 유포된 미디어 콘텐트 항목을 식별하고;
상기 제1 미디어 콘텐트 항목과, 상기 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나 사이의 상기 하나 이상의 유사도들의 식별 및 상기 가장 많이 유포된 미디어 콘텐트 항목의 식별에 기초하여, 상기 제1 미디어 콘텐트 항목과, 상기 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나에 대하여 하나 이상의 파생 메트릭들을 결정하고 - 상기 하나 이상의 파생 메트릭들을 결정하기 위해, 상기 처리 디바이스는 상기 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나에 존재하는 상기 제1 미디어 콘텐트 항목의 개별 세그먼트들의 양을 결정함 - ;
상기 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나에 존재하는 상기 제1 미디어 콘텐트 항목의 상기 개별 세그먼트들의 양에 기초하여, (a) 상기 제1 미디어 콘텐트 항목 또는 (b) 상기 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나 중에서 적어도 하나에 대하여 하나 이상의 동작들을 개시하고,
상기 제1 미디어 콘텐트 항목 및 상기 하나 이상의 다른 미디어 콘텐트 항목들 중에서 상기 가장 많이 유포된 미디어 콘텐트 항목보다 덜 유포된 것으로 식별된 미디어 콘텐트 항목은, 상기 가장 많이 유포된 미디어 콘텐트 항목으로부터 파생되었을 가능성이 있는 것으로 결정되고,
하나 이상의 동작들을 개시하기 위해, 상기 처리 디바이스는 상기 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나에 존재하는 상기 제1 미디어 콘텐트 항목의 상기 개별 세그먼트들의 양이 상기 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나에 존재하는 다른 미디어 콘텐트 항목의 개별 세그먼트들의 양보다 크다는 결정에 기초하여 (a) 상기 제1 미디어 콘텐트 항목 또는 (b) 상기 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나 중에서 적어도 하나에 대하여 하나 이상의 동작들을 더 개시하는, 시스템. - 제10항에 있어서, 상기 제1 미디어 콘텐트 항목을 상기 하나 이상의 다른 미디어 콘텐트 항목들과 관련하여 처리하는 것은, 상기 제1 미디어 콘텐트 항목의 세그먼트와, 상기 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나의 하나 이상의 세그먼트들 간의 하나 이상의 유사도들을 식별하기 위해, 상기 제1 미디어 콘텐트 항목을 상기 하나 이상의 다른 미디어 콘텐트 항목들과 관련하여 처리하는, 시스템.
- 제10항에 있어서, 상기 하나 이상의 파생 메트릭들을 결정하는 것은, 상기 제1 미디어 콘텐트 항목과, 상기 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나에 대하여 시간적 선행순위를 결정하는, 시스템.
- 제10항에 있어서, 상기 처리 디바이스는 또한, (a) 상기 제1 미디어 콘텐트 항목 또는 (b) 상기 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나 중에서 적어도 하나의 상대적 품질을 결정하기 위해, 상기 제1 미디어 콘텐트 항목의 품질 메트릭과, 상기 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나의 하나 이상의 품질 메트릭들을 비교하는, 시스템.
- 제13항에 있어서, 상기 하나 이상의 파생 메트릭들을 결정하는 것은, (a) 상기 제1 미디어 콘텐트 항목 또는 (b) 상기 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나 중에서 적어도 하나의 상대적 품질에 기초하여, 상기 제1 미디어 콘텐트 항목과, 상기 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나에 대하여 하나 이상의 파생 메트릭들을 결정하는, 시스템.
- 삭제
- 삭제
- 제10항에 있어서, 상기 하나 이상의 파생 메트릭들을 결정하는 것은, 상기 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나로부터 파생되는 상기 제1 미디어 콘텐트 항목의 비율을 결정하는, 시스템.
- 제17항에 있어서, (a) 상기 제1 미디어 콘텐트 항목 또는 (b) 상기 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나 중에서 적어도 하나에 대하여 하나 이상의 동작들을 개시하는 것은, 상기 비율에 기초하여, 상기 제1 미디어 콘텐트 항목에 대하여 하나 이상의 동작들을 개시하는, 시스템.
- 명령어들이 저장되어 있는 컴퓨터 판독가능 매체로서, 상기 명령어들은 프로세서에 의해 실행될 때, 상기 프로세서로 하여금:
제1 미디어 콘텐트 항목과, 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나 사이의 하나 이상의 유사도들을 식별하기 위해 상기 제1 미디어 콘텐트 항목을 상기 하나 이상의 다른 미디어 콘텐트 항목들과 관련하여 처리하는 것;
상기 제1 미디어 콘텐트 항목에 대하여 그리고 상기 하나 이상의 다른 미디어 콘텐트 항목들 각각에 대하여, 하나 이상의 콘텐트 유포 메트릭들을 결정하는 것;
각각의 상기 하나 이상의 콘텐트 유포 메트릭들에 기초하여, 상기 제1 미디어 콘텐트 항목 및 상기 하나 이상의 다른 미디어 콘텐트 항목들 중에서 가장 많이 유포된 미디어 콘텐트 항목을 식별하는 것;
상기 제1 미디어 콘텐트 항목과, 상기 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나 사이의 상기 하나 이상의 유사도들의 식별 및 상기 가장 많이 유포된 미디어 콘텐트 항목의 식별에 기초하여, 상기 제1 미디어 콘텐트 항목과, 상기 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나에 대하여 하나 이상의 파생 메트릭들을 결정하는 것 - 상기 하나 이상의 파생 메트릭들을 결정하는 것은 상기 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나에 존재하는 상기 제1 미디어 콘텐트 항목의 개별 세그먼트들의 양을 결정하는 것을 포함함 - ; 및
상기 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나에 존재하는 상기 제1 미디어 콘텐트 항목의 상기 개별 세그먼트의 양에 기초하여, (a) 상기 제1 미디어 콘텐트 항목 또는 (b) 상기 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나 중에서 적어도 하나에 대하여 하나 이상의 동작들을 개시하는 것
을 포함하는 작업들을 수행하게 하고,
상기 제1 미디어 콘텐트 항목 및 상기 하나 이상의 다른 미디어 콘텐트 항목들 중에서 상기 가장 많이 유포된 미디어 콘텐트 항목보다 덜 유포된 것으로 식별된 미디어 콘텐트 항목은, 상기 가장 많이 유포된 미디어 콘텐트 항목으로부터 파생되었을 가능성이 있는 것으로 결정되고,
상기 하나 이상의 동작들을 개시하는 것은, 상기 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나에 존재하는 상기 제1 미디어 콘텐트 항목의 상기 개별 세그먼트들의 양이 상기 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나에 존재하는 다른 미디어 콘텐트 항목의 개별 세그먼트들의 양보다 크다는 결정에 기초하여 (a) 상기 제1 미디어 콘텐트 항목 또는 (b) 상기 하나 이상의 다른 미디어 콘텐트 항목들 중 적어도 하나 중에서 적어도 하나에 대하여 하나 이상의 동작들을 개시하는 것을 포함하는, 컴퓨터 판독가능 매체. - 삭제
- 삭제
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US13/942,638 US9336210B2 (en) | 2013-07-15 | 2013-07-15 | Determining a likelihood and degree of derivation among media content items |
| US13/942,638 | 2013-07-15 | ||
| PCT/US2014/046766 WO2015009767A1 (en) | 2013-07-15 | 2014-07-15 | Determining a likelihood and degree of derivation among media content items |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20160031003A KR20160031003A (ko) | 2016-03-21 |
| KR102310796B1 true KR102310796B1 (ko) | 2021-10-13 |
Family
ID=51265854
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020167003712A KR102310796B1 (ko) | 2013-07-15 | 2014-07-15 | 미디어 콘텐트 항목들 중에서 파생 정도 및 가능성 결정 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US9336210B2 (ko) |
| EP (1) | EP3022709A1 (ko) |
| KR (1) | KR102310796B1 (ko) |
| CN (1) | CN105474255A (ko) |
| WO (1) | WO2015009767A1 (ko) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9529840B1 (en) | 2014-01-14 | 2016-12-27 | Google Inc. | Real-time duplicate detection of videos in a massive video sharing system |
| US9723344B1 (en) | 2015-12-29 | 2017-08-01 | Google Inc. | Early detection of policy violating media |
| CN110598086B (zh) * | 2018-05-25 | 2020-11-24 | 腾讯科技（深圳）有限公司 | 文章推荐方法、装置、计算机设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006351001A (ja) * | 2005-05-19 | 2006-12-28 | Nippon Telegr & Teleph Corp <Ntt> | コンテンツ特徴量抽出方法及び装置及びコンテンツ同一性判定方法及び装置 |
| WO2009073895A1 (en) * | 2007-12-07 | 2009-06-11 | Verimatrix, Inc. | Systems and methods for performing semantic analysis of media objects |
| JP2011520162A (ja) * | 2008-02-28 | 2011-07-14 | アイファロ メディア ゲーエムベーハー | マルチメディアストリームにおけるフレームシーケンス比較の方法 |
| US20130022975A1 (en) * | 2010-02-18 | 2013-01-24 | Riken | Method for detecting arteriosclerotic diseases on the basis of single nucleotide polymorphism at human chromosome 5p15.3 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050060140A1 (en) | 2003-09-15 | 2005-03-17 | Maddox Paul Christopher | Using semantic feature structures for document comparisons |
| US7996882B2 (en) * | 2007-02-26 | 2011-08-09 | L Heureux Israel | Digital asset distribution system |
-
2013
- 2013-07-15 US US13/942,638 patent/US9336210B2/en active Active
-
2014
- 2014-07-15 EP EP14747473.8A patent/EP3022709A1/en not_active Ceased
- 2014-07-15 CN CN201480045492.4A patent/CN105474255A/zh active Pending
- 2014-07-15 KR KR1020167003712A patent/KR102310796B1/ko active IP Right Grant
- 2014-07-15 WO PCT/US2014/046766 patent/WO2015009767A1/en active Application Filing
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006351001A (ja) * | 2005-05-19 | 2006-12-28 | Nippon Telegr & Teleph Corp <Ntt> | コンテンツ特徴量抽出方法及び装置及びコンテンツ同一性判定方法及び装置 |
| WO2009073895A1 (en) * | 2007-12-07 | 2009-06-11 | Verimatrix, Inc. | Systems and methods for performing semantic analysis of media objects |
| JP2011520162A (ja) * | 2008-02-28 | 2011-07-14 | アイファロ メディア ゲーエムベーハー | マルチメディアストリームにおけるフレームシーケンス比較の方法 |
| US20130022975A1 (en) * | 2010-02-18 | 2013-01-24 | Riken | Method for detecting arteriosclerotic diseases on the basis of single nucleotide polymorphism at human chromosome 5p15.3 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105474255A (zh) | 2016-04-06 |
| EP3022709A1 (en) | 2016-05-25 |
| US9336210B2 (en) | 2016-05-10 |
| US20150019578A1 (en) | 2015-01-15 |
| KR20160031003A (ko) | 2016-03-21 |
| WO2015009767A1 (en) | 2015-01-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10498839B2 (en) | Providing supplemental content in relation to embedded media | |
| US10152773B2 (en) | Creating a blurred area for an image to reuse for minimizing blur operations | |
| US11662872B1 (en) | Providing content presentation elements in conjunction with a media content item | |
| US10360642B2 (en) | Global comments for a media item | |
| CA2918592C (en) | Generating and providing an authorization indication in relation to a media content item | |
| US9104881B2 (en) | Identifying unauthorized content presentation within media collaborations | |
| US9872058B2 (en) | Splitting content channels | |
| US9098508B2 (en) | Aggregating identifiers for media items | |
| US9591050B1 (en) | Image recommendations for thumbnails for online media items based on user activity | |
| KR102310796B1 (ko) | 미디어 콘텐트 항목들 중에서 파생 정도 및 가능성 결정 | |
| US10122669B1 (en) | Social annotations derived from client contact lists | |
| US9344509B1 (en) | Identifying candidate subscribers for a channel | |
| US20180287887A1 (en) | Providing members of a user group with access to restricted media content items | |
| US12032798B1 (en) | Providing content presentation elements in conjunction with a media content item | |
| US20200304867A1 (en) | Proactive detection of media item matching |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| AMND | Amendment | ||
| E902 | Notification of reason for refusal | ||
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| X091 | Application refused [patent] | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) |