TW201419840A - 透過多媒體平台推薦多媒體內容之方法與系統 - Google Patents

透過多媒體平台推薦多媒體內容之方法與系統 Download PDF

Info

Publication number
TW201419840A
TW201419840A TW102136083A TW102136083A TW201419840A TW 201419840 A TW201419840 A TW 201419840A TW 102136083 A TW102136083 A TW 102136083A TW 102136083 A TW102136083 A TW 102136083A TW 201419840 A TW201419840 A TW 201419840A
Authority
TW
Taiwan
Prior art keywords
multimedia content
multimedia
information
user
state
Prior art date
Application number
TW102136083A
Other languages
English (en)
Other versions
TWI499287B (zh
Inventor
Alberto Messina
Sabino Metta
Maurizio Montagnuolo
Original Assignee
Rai Radiotelevisione Italiana
Sisvel Societa Italiana Per Lo Sviluppo Dell Elettronica Spa
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Rai Radiotelevisione Italiana, Sisvel Societa Italiana Per Lo Sviluppo Dell Elettronica Spa filed Critical Rai Radiotelevisione Italiana
Publication of TW201419840A publication Critical patent/TW201419840A/zh
Application granted granted Critical
Publication of TWI499287B publication Critical patent/TWI499287B/zh

Links

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
    • G06F16/60—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
    • G06F16/685—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using automatically derived transcript of audio data, e.g. lyrics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7844—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using original textual content or text extracted from visual content or transcript of audio data

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Library & Information Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Artificial Intelligence (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • User Interface Of Digital Computer (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Computational Linguistics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本發明係關於一種透過一多媒體平台(101)推薦多媒體內容之方法，其中該多媒體平台(101)包括透過至少一使用者介面(10)可觀察之複數個多媒體內容，該方法包括下列步驟：該多媒體平台(101)自該使用者介面(10)接收至少一第一命令(204)以選擇至少一第一筆語意資訊與其相關聯之至少一第一多媒體內容(1)；該多媒體平台(101)自該使用者介面(10)接收一使用者識別符、一第二命令以選擇至少一第二筆語意資訊與其相關聯之至少一第二多媒體內容(2)，且進一步接收關於該第二多媒體內容(2)與所觀察之該第一多媒體內容(1)之間的一關聯之至少一筆資訊(11)，其關於語意彙總；該多媒體平台(101)透過該第二筆語意資訊與該第一筆語意資訊之間之一比較而處理(12)代表該使用者識別符、該第一多媒體內容(1)及該第二多媒體內容(2)及該關聯(11)之至少一第一狀態；該多媒體平台基於該第一處理狀態(12)及關於該複數個多媒體內容之與複數個狀態之至少一進一步狀態之一比較而推薦代表至少一第三多媒體內容(3)之至少一第二狀態。本發明亦係關於一種用於推薦多媒體內容之相關聯系統。

Description

透過多媒體平台推薦多媒體內容之方法與系統
本發明係關於用於推薦多媒體內容之一方法及一系統。
現今，可存取多媒體內容之數量係巨大的且持續增加。大量資訊(關於社群網路之影像、視訊、文獻、內容...)被不斷產生、存檔且在眾多使用者之間分享。在此一情境中，一使用者獲得對所關注之資訊之存取之方法致關重要。
為檢索所關注之一通用內容，一使用者可發佈文字格式之一搜尋請求(稱為詢問)。隨後，一資訊搜尋及檢索系統分析該詢問的內容且將其與可用內容之合適「索引」進行比較。此等索引通常為預定的且建立在內容分析的基礎上。
與多媒體內容自身相關聯之資訊在文獻中眾所周知地稱為「後設資料」。
該系統接著藉由使用不同模態及度量返回最佳滿足透過該詢問表示之使用者的請求之內容。
後設資料在此內容搜尋及檢索程序期間的重要性係顯而易見的。該後設資料的數量越多且越具代表性，內容識別及檢索程序越有效。
為促進此多媒體內容搜尋及檢索程序，使用「推薦系統」，其之 功能在於識別可預期使用者的需求及期望之更準確的多媒體內容。
一多媒體內容推薦系統之一實例係自文獻US2007/0208718A1已知，其描述包括為使用者提供一客製化程式引導之一推薦系統之一媒體伺服器。
一般而言，其實質上可識別兩個種類的推薦系統，概述如下。
合作過濾推薦系統在由「類似使用者」所作的先前選擇之基礎上產生推薦。事實上，使用者被分成由一組偏好定義之陳規。因此，在此等合作系統的基礎上假定，一群組使用者的行為可用於推斷從屬於該群組之一單一使用者之行為。
文獻US 6,438,579B1描述一種合作推薦系統，其中根據一群組行為邏輯，使用者基於由該使用者他/她自身給定之內容評估與由其他使用者給定之其他內容之評估之間的一對應提出多媒體內容。
基於內容之過濾推薦系統藉由比較使用者的偏好(無論是否明確或隱含表示)與他/她已與相關聯於待推薦之內容之後設資料或特性一起使用的內容特性而產生推薦。該等使用者的偏好係在使用者故意提供他/她的評估時明確獲得；亦可藉由自動記錄且監測使用者的動作而檢索重要資訊。被使用者使用的內容特性通常經由視聽內容分析演算法而檢索。
一基於內容之推薦系統之一實例係自文獻US2011/0125585A1已知，其描述在接收自一使用者平台之使用者先前行為的基礎上提出一使用者可能關注的內容之一推薦系統。
然而，先前技術所已知的多媒體內容推薦系統之解決方案並未證明係完全滿意的。
事實上，想要享受一多媒體內容之一使用者以一全個人方式與資訊搜尋及檢索系統互動，且可在他/她自身文化及背景需求的基礎上決定更深入地探究一些內容而非預先幾乎無法識別之其他內容。
一般而言，一使用者可以一不精確方式或藉由使用存在可引起更好結果的同義字的詞而表示一詢問。另外，被推薦系統使用的預定內容索引(其一般與一重要或類似概念相關聯)必然意味著詢問之一單義解譯。此等態樣之結果在於，推薦系統可返回至未完全實現他/她的需求之使用者結果。
因此，迫使使用者與推薦系統進行一耗時的互動；然而，此互動在完成搜尋之後通常被系統「遺忘」，使得即使對於使用者他/她自身亦變得難以在稍後時間重建互動動態。
本發明之一目的在於提供克服先前技術的一些缺點之一方法及一系統。
特定言之，本發明的目的在於：藉由探究關於使用者與系統之間的互動的資訊之表示及儲存而對使用者提供能更有效率地檢索所關注的多媒體內容之一多媒體內容推薦方法及系統。
本發明之另一目的在於：提供容許使用以有利於由使用者可在他/她先前實現經歷期間構成的關聯之一多媒體內容推薦方法及系統。
本發明之此等及其他目的係透過用於推薦多媒體內容之一方法及併入隨附技術方案中所闡釋之特徵的一相關聯系統而達成，該等隨附技術方案為本描述之一整合部分。
本發明係基於提供用於推薦多媒體內容之一方法之一般想法，其中：透過一合適使用者介面自一使用者接收一命令以連同一相關聯的第一筆語意資訊重現至少一第一多媒體內容；透過一合適使用者介面，使用者發佈至少一第二多媒體內容之一選擇，至少一第二筆語意資訊連同關於該第二多媒體內容與所觀察之該第一多媒體內容之間的一關聯之資訊而與該選擇相關聯，該資訊關於一語意彙總；該系統透 過該第二筆語意資訊與該第一筆語意資訊之間的一比較而處理代表使用者身份、該第一多媒體內容及該第二多媒體內容及該關聯之至少一第一狀態；基於該第一處理狀態及與關於該複數個多媒體內容之複數個狀態之至少一進一步狀態之一比較而推薦代表至少一第三多媒體內容之至少一第二狀態。
本發明亦係關於一種用於推薦多媒體內容之系統，其包括儲存多媒體內容及各自第一筆語意資訊之一第一記憶體、經調適以重現至少一第一多媒體內容之一處理器及至少一使用者介面。該系統進一步包括至少一第二記憶體，其經調適以儲存透過該使用者介面選擇之至少一第二多媒體內容、至少一第二筆語意資訊及一使用者識別符，及經進一步調適以儲存關於該第二多媒體內容與所觀察之該第一多媒體內容之間的一關聯之至少一筆資訊，該資訊透過該使用者介面接收且關於一語意彙總。該處理器經調適以處理關於使用者之資訊、該第一多媒體內容及該第二多媒體內容，及關於該關聯之資訊，以比較至少該第二筆語意資訊與該第一筆語意資訊且闡釋至少一第一資訊狀態。第二記憶體經調適以儲存第一資訊狀態，及該處理器經進一步調適以在與關於該複數個多媒體內容之複數個狀態之至少另一狀態之一比較的基礎上處理關於該第一資訊狀態之資訊及該等多媒體內容以闡釋代表該第一記憶體中的至少一第三多媒體內容之待推薦給使用者之至少一第二資訊狀態。
以此方式，該系統容許使用者表示除兩個或兩個以上多媒體內容之間的時間關係之外的語意關係。因此，一使用者可使任意多媒體內容或「製作項(artefact)」與一資源相關聯，給予其一精確及明確語意。該意義(其可藉由推薦系統推導及解譯)接著用以提供更有效的推薦。
因此，本文所提出之解決方案容許克服先前技術之缺點，此係 因為首先其提供基於互動分析及理解及使用者特性之推薦多媒體內容之一新穎及更完全方式。
此解決方案提供相當多的優點，且更有效地執行一推薦系統的功能。
因此，該系統可探究由互動產生之大量資訊以改良一特定使用者(更一般而言，一使用者社群)之效能。
本文所提出之方法及系統容許使由使用者產生之進一步多媒體內容(聲訊、視訊、文字或其之彙總)與所觀察之一給定組之內容相關聯，以及藉由彙總所觀察及所產生的內容而產生複雜內容。
同時，使用者給定與特徵化及富足化使用者與系統之間的互動之各多媒體內容資訊相關聯之可能性。
本發明優於先前技術之本質優勢在於，使用者給定為系統提供比當前交換更多之資訊，因此在系統與使用者之間重新建立一資訊平衡之可能性。可推測，此一平衡可改良資訊系統在對使用者之資訊需求之較高適應性方面之效能，其可透過本文所提出之先進的互動功能而完全表示。
實際上，可用於重現之多媒體內容流之增強表現力可藉由該系統而更有效地探究，因此減少索引內容與使用者的請求之間的關聯之不確定性。
在本文所提出之解決方案中，資訊搜尋及檢索程序以一更有效的方式遵循由使用者實施之相關聯程序同時享受多媒體內容。
有利地是，所提出的發明容許彌補現存在於使用者的詢問與此內所含之資訊之實際需求之間的差距。
同時，所提出之發明容許彌補在被使用者觀察之內容之解譯中的大量可能陰影與以一持續及可再使用方式保存此資訊之推薦系統之通用能力之間的差距。
1‧‧‧多媒體內容
2‧‧‧多媒體內容/視訊
3‧‧‧多媒體內容
10‧‧‧使用者/使用者介面
11‧‧‧關聯
30‧‧‧內容
31‧‧‧內容
32‧‧‧多媒體內容
40‧‧‧多媒體內容
41‧‧‧多媒體內容
101‧‧‧多媒體平台
201‧‧‧第一記憶體
202‧‧‧記憶體
203‧‧‧處理器
204‧‧‧使用者介面
501‧‧‧星星
502‧‧‧星星
504‧‧‧影像
601‧‧‧視訊
602‧‧‧製作項/音訊剪輯
603‧‧‧視訊
本發明之進一步目的將自下列詳細描述及自附圖變得更顯而易見，該等附圖作為非限制實例而提供，其中：圖1例示用於推薦多媒體內容之方法；圖2例示用於推薦多媒體內容之系統；圖3例示用於一使用者之關於一多媒體內容之一通用推薦；圖4例示對於一使用者之關於複數個多媒體內容之一通用推薦；圖5展示一多媒體內容之推薦之一實例；圖6展示一多媒體內容之推薦之一第二實例。
在附圖中，在不同圖中類似的元件、動作或器件係以相同元件符號指示。
圖1例示用於推薦多媒體內容之方法。
一使用者10在一多媒體平台(諸如，容許存取至視訊、影像、音訊、文字及/或其他多媒體內容之一多媒體平台)上享受多媒體內容。
此多媒體平台代表且例示現可用之諸多多媒體平台，其通常可藉由使用器件(諸如，電腦、「連接TV/IPTV」電視機、智慧型電話、個人數位助理、平板電腦等等)透過網際網路存取。
使用者10可與多媒體平台互動以檢索多媒體內容：在步驟101處，根據本發明，使用者與多媒體平台互動，因此開始引起內容推薦之程序。
在步驟101處所發生之該互動可具有若干類型，其中使用者10搜尋多媒體內容以實現他/她的自身需求來深化他/她對一特定物件的知識；例如，使用者10可瀏覽一預定清單的最近載入的多媒體內容，或進行一基於關鍵字的內容搜尋，或瀏覽一清單的已推薦內容。
使用者10透過一合適使用者介面(其可被視為包含於相同參考符 號10中)與多媒體平台互動，其將在下文予以更詳細描述。此外，該多媒體平台透過一使用者識別符認知使用者10，出於本發明之目的，該使用者識別符可(例如)經由一已知使用者名稱及密碼系統而被視為對應於使用者他/她自身的身份。
在步驟102處，使用者想要觀察多媒體平台上的一多媒體內容1；為此目的，使用者透過一合適使用者介面發佈一命令以使該多媒體平台重現該多媒體內容1(無論為視訊、音訊、影像或類似物)。在此情境中，由使用者實施之「觀察」動作不應被理解為限於使用者10(例如，其甚至可不注意正在播放的視訊，使其處在背景靜音)之實際觀察；取而代之，其意欲包含關於由使用者10發佈之一選擇命令及藉由多媒體平台之內容1之隨後呈現或重現之可能案列。
在步驟103處，使用者透過平台之使用者介面在該平台上載入另一多媒體內容2，使該多媒體內容2與恰在步驟102處觀察之多媒體內容1相關聯。例如，使用者10可載入駐留於他/她自身終端的記憶體中或甚至來自連接至其之一第三器件(諸如一相機)的一視訊2。
必須指出，由使用者10載入的一多媒體內容2可採取若干形式，其可藉由使用者10產生同時與多媒體平台互動：此等多媒體內容可為視聽或標籤、文字、註解、音訊等等。以此方式，可模型化在不同「狀態」之間移動之使用者10之互動，其中自一狀態至另一狀態之轉變並非完全透過一多媒體內容之實現或觀察而發生，但亦藉由載入額外多媒體內容發生。
在本描述之範疇內，術語「狀態」採用與根據數學物理學及系統理論之狀態之定義具有一些連接性之一含義。
在此等框架中，「動態系統」之概念表示隨時間推移的演進可經由一般數學模型而描述之一系統。此一數學模型之特徵在於：將當前「狀態」結合至未來及/或過去狀態之合適規律。因此，該多媒體內 容系統實際上為可假定或多或少之大量狀態之一動態系統。
在本說明書中，已選擇定義一動態系統之「狀態」作為該系統自身的特性值組，其定義其在任意時刻之條件。
一模型之定義容許已知系統隨時間推移之演進，即，其之隨後狀態，起始於關於先前狀態之資訊。
如上述，由一使用者實現多媒體內容可視為受支配於此一動態系統。
在多媒體內容推薦系統之情況中，「狀態」為使用者多媒體實現對之特定條件。已知或甚至更佳預知此一動態系統之演進可引起可更有效地實現使用者需求之一推薦系統。
因此，必需定義特徵化多媒體內容之實現之一特定組之變數；變數之數量越高，所描述之實現細微度越大。然而，所考量之資訊之數量越大，管理系統演進越難。將於下文描述可用於本發明之一例示性實施例之特定變數。
如定義於本說明書中的術語「狀態」之一可能替代形式因此為「資訊狀態」。
在步驟103處之載入操作期間，使用者隱含或明確表示在步驟102處所觀察之內容與在步驟103處所載入之內容之間的一關聯11；該關聯11表示所觀察之第一多媒體內容1與由使用者10載入之第二多媒體內容2之間的一關係，如於下文將變得更顯而易見。
該關聯11可透過提供描述內容自身之資訊之文字資料之間的一語意比較而表示，諸如(例如)：註解、註釋、標題、總結等等。
該關聯11亦可為一邏輯關聯，諸如(例如)：分享、正面實例、負面實例、相對、建議、參考、來源、貢獻、暗示、推導、詢問。此最後類型的關聯(詢問)模型化於其中使用者使用一文字內容(一系列關鍵字)或一多媒體內容(一參考影像)來搜尋其他內容之經典情況。
該關聯11亦可為一基於時間或邏輯因果關聯，諸如(例如)先前/下一、先前、結果。
高關聯11可進一步為一結構及合成關聯或一彙總關聯，諸如(例如)...之部分，與...彙總。此類型之相關聯基元容許構成可識別為「合成」多媒體物件之若干多媒體物件之彙總。
當然，作為一明顯廣義性，可假定：使用者10可定義除可用於多媒體平台上之預定關聯以外之特定關聯11。
在步驟104處，多媒體平台推斷關於在步驟102及103處發生之狀態的複數筆摘要資訊，特定言之，資訊包括：-使用者10之一識別符；-所觀察之第一多媒體內容1之一識別符；-所觀察之第一多媒體內容1之一第一筆語意資訊；-由使用者10載入之第二多媒體內容2之一識別符；-所觀察之第二多媒體2內容之一第二筆語意資訊；-代表恰構成之關連11之一識別符，其關於一語意彙總。
連同多媒體內容一起儲存關於與使用者10之互動之資訊之可能性提供自主學習且容許深化可自此複雜資料推導之知識。此外，特定形式之儲存可容許在複數個多媒體平台之間分享資訊，因此改良使用者10之多媒體經歷。
在步驟105處，多媒體平台處理在步驟104處所推斷之資訊，以便重建識別可根據興趣推薦給使用者10之一進一步多媒體內容3之至少一進一步狀態。
在步驟105處構成之推薦使用利用在步驟104處所儲存之資訊(其以一合適及較佳標準語法表示)之一「資料挖掘」引擎，以根據設定在一互動模型中的參數，特定言之在與關於多媒體內容之複數個狀態之至少一進一步狀態之一比較的基礎上推薦多媒體內容。
較佳地，基於使用者10在載入內容2時所設定之特定關聯11，一特定推薦機構係藉由系統而建立。
以此方式，藉由使用者的互動所建立的「路徑」不僅僅由一時間序列所給定：使用者選擇將他/她認為接近(即，相關)於一語意觀點之該等多媒體資源結合在一起。另外，使用者亦具有將一精確語意限定歸因於該結合而表示該結合之可能性。
就此言之，若在兩個或兩個以上的狀態之間的一個明確語意(即，關係類型)為可用，則該系統可以給使用者一個更接近他/她的需求之一推薦。
例如，若使用者經由「相對」概念使第二多媒體內容2與第一多媒體內容1相關聯，則該系統可利用此明確知識來學習該第二多媒體內容2之哪些特性與該第一多媒體內容1具有最大偏離，且因此推導出具有此等特性之任意其他內容亦可被歸類為「處於相對狀態」。
同樣地，若使用者經由邏輯因果「結論」概念使第二多媒體內容2與第一多媒體內容1相關聯，則該系統可利用此一概念之固有傳遞性以在內容之間建立因果網路，其可容許達成且對使用者10推薦可藉由起始於多媒體內容2而此等網路中達成之內容。
最後，若使用者經由合成「彙總」概念使第二多媒體內容2與第一多媒體內容1相關聯，因此隱含產生在一使用者定義之邏輯之基礎上係相互有關之一組物件，則該系統可以藉由分析經彙總之多媒體內容2及1之共同特性，及接著在此等特性之基礎上進一步推薦更類似於多媒體內容2及1之物件而利用此情形。
通過這一切，可得出不同於先前技術之一方案，其偏好於先驗定義之推薦方案(例如，一特定合作推薦方法)，該系統可實施一適當方法來推薦。
上述例示之方法富足化且改良使用者在多媒體內容推薦程序中 的參與度。
在一更寬廣框架中，通過使用多媒體內容之間的組合操作以產生新的「彙總」內容，使用者亦具有可藉由使用所觀察到的及由他/她自身產生之多媒體內容而組成「新的」彙總多媒體內容的可能性。同時，使用者把此等多媒體內容(無論隱含或明確)歸因為一種特定關聯，此等多媒體內容與所觀察之多媒體內容互動。此機構可在多媒體內容之間建立且無限循環合成遞迴性，其相較於先前技術推薦系統表示一進步。
在一個較佳實施例中，多媒體平台模型化使用者參與多媒體內容實現之互動程序，其通過基於RDF(資源描述架構)標準之一正式語言(稱為OWL(網路本體語言))而表示。OWL語言係用於全球資訊網發佈及分享之一語意標記語言。
通過使用該OWL語言，吾人可經由類別、類別之間的關係及從屬於類別之個體而使參考圖1所描述之互動程序正式化。未明顯呈現之該等關係可藉由應用實施推論及演繹程序之自動推理方法而在邏輯上導出自本體語意之分析。
以下列舉了較佳實施例中的使用OWL語言之本體類別。
User ：從事於實現一或多個器件上之一多媒體內容之人。使用者為多媒體經歷之主要參與者。
Event ：一通用真實事件的一抽象表示。
State ：一特定事件，其藉由單義識別互動原子組及其等在多媒體經歷之一給定狀態中的各自角色之一組「變數」或「座標」而識別。
Usage Event ：每次發生在使用者決定實際上使用一可觀察量(例如，當使用者閱讀文字、觀看一視訊時...)之一特定事件。
Multimedia Experience ：在一給定時間間隔內將使用者實現的結 果表示為某一數量之多媒體內容之複雜事件組(狀態及使用事件)。
Multimedia Object ：可藉由一器件處置以產生多媒體內容(諸如，視訊、音訊、文字格式)之任意類型之資料。一多媒體物件之描述可包含其低階特性(例如，一視訊之「色彩柱狀圖」)。一多媒體物件可在一多媒體經歷之一狀態期間扮演一可觀察量或一製作項角色。多媒體物件包括下列類型之物件：-文字；-影像；-視訊；-視聽設備-音訊。
Interaction Atom ：可觀察量及製作項之一抽象表示。
Observable ：使用者可在他/她的多媒體經歷期間決定使用同時處於一特定狀態之一特定多媒體物件。一可觀察量為在一特定狀態中對使用者可見之任意多媒體物件(例如，圖形介面中的一影像)。
Artefact ：被使用者添加至處於一特定狀態之一可觀察量之一特定多媒體物件。一製作項為由使用者積極產生(例如，標籤、註解、語音)或由使用者在他/她的多媒體經歷之一特定狀態期間選擇之任意多媒體物件。
Role ：表示處於一特定狀態之一互動原子(例如，一可觀察量或一製作項)之功能性之一種後設資料。例如，若使用者添加一文字部分(製作項)以註釋一影像(可觀察量)，此文字之角色將為「註釋」。
在RDF語言中，透過一「三聯體」描述一通用陳述或一筆資訊(即，任意簡單概念)：Subject-Verb-Object。「Verb」表示「Subject」透過其結合至「Object」之關係/性質。用於表示該陳述之語法需要：
-一範圍(共上域(co-domain))，即，表示「Object」之一類別
-一值域(domain)，即，關係(「Verb」)可應用至其且表示「Subject」之類別
在下文列出使用OWL語言之較佳實施例中的本體類別之間的關係。
‧ characterizesArtefact
領域：「Multimedia Object」範圍：「Artefact」。此性質表示在某一狀態中一多媒體物件具有製作項角色之事實。
‧ characterizesMExp
領域：「State」範圍：「Multimedia Experience」。此性質將一多媒體經歷結合至其組成狀態。
‧ characterizesObservable
領域：「Multimedia Object」範圍：「Observable」。此性質表示在某一狀態中一多媒體物件具有可觀察量角色之事實。
‧ composedBy
領域：「Interaction Atom」範圍：「Interaction Atom」。此性質考量兩個互動原子之間的合成(例如，空間或時間關係)。
‧ describesState
領域：「Observable」範圍：「State」。此性質使可觀察量與各自狀態相關聯。
‧ followsState
領域：「State」範圍：「State」。此性質模型化狀態之時間序列。其為一及物性質。
‧ hasArtefact
領域：「State」範圍：「Artefact」。此性質將狀態結合至各自組成製作項。
‧ hasMultimediaExperience
領域：「User」範圍：「Multimedia Experience」。此性質使使用者與多媒體經歷相關聯。
‧ hasObservable
領域：「State」範圍：「Observable」。此性質將狀態結合至各自組成可觀察量。
‧ hasRole
領域：「Interaction Atom」範圍：「Role」。此性質使一角色與處於一特定狀態之一互動原子(一可觀察量或一製作項)相關聯。
‧ hasUsageEvent
領域：「Observable」範圍：「UsageEvent」。此性質記錄處於一特定狀態時的一可觀察量之實際使用。
‧ hasUser
領域：「MultimediaExperience」範圍：「User」。此性質使多媒體經歷與各自使用者相關聯。
‧ part of
領域：「Interaction Atom」範圍：「Interaction Atom」。此性質與「composedBy」相反且容許組成互動原子與各自實體之間的一反向結合。
‧ perturbsState
領域：「Artefact」範圍：「State」。此性質表示狀態與製作項之間的關係。
‧ precedesState
領域：「State」範圍：「State」。此性質與「followsState」相反。
‧ isSemanticallyRelatedTo
領域：「State」範圍：「State」。此性質模型化狀態之間的語意關係。
所提出之本體容許藉由映射多媒體物件而模型化參與一多媒體經歷之使用者。桑使用者藉由觀察內容及載入進一步內容而與多媒體平台互動時，他/她引起資訊狀態之一變化，其藉由該多媒體平台解譯。使用者可藉由使其與一進一步多媒體內容相關聯而富足化某一多媒體內容，因此修改該平台之資訊狀態。一般而言，該模型可完成俘獲使用者的行為、他/她與任意多媒體內容的互動，及物件在該互動期間所扮演之角色。
圖2例示一多媒體平台、或用於推薦多媒體內容之一系統之一實施例。
用於推薦多媒體內容之系統包括一第一記憶體201，其儲存複數個多媒體內容(諸如，視訊、音訊、影像、文字等等)。
該系統進一步包括一記憶體202及一處理器203，其等可操作連接至第一記憶體201。特定言之，記憶體202可為揮發性或非揮發性記憶體，然而記憶體201較佳為一永久記憶體。處理器203經調適以存取記憶體202且對儲存於其內之資料執行操作。
該系統進一步包括至少一使用者介面204，透過該使用者介面204，使用者10(參見圖1)可獲得至多媒體平台之存取。透過使用者介面204，使用者可重現且觀察至少一第一多媒體內容。透過使用者介面204，使用者亦可將一進一步多媒體內容載入至記憶體202上。透過使用者介面204，使用者亦可發信號恰載入之第二多媒體內容與所觀察之第一多媒體內容之間的一關聯，其表示為數位資訊。
處理器203經調適以處理關於使用者(10，參見圖1)、所觀察之第一多媒體內容(1，參見圖1)、所載入之第二多媒體內容(2，參見圖1)、關於第一及第二多媒體內容之語意資訊及其等之間的關聯(11，參見圖1)之資訊(特定為語意彙總)。
處理器203因此可藉由首先計算至少一第一資訊狀態(其儲存於記 憶體202中)，及藉由處理關於該第一資訊狀態及儲存於平台之記憶體201中的複數個多媒體內容之資訊而選擇使用者可能關注之一進一步多媒體內容(3，參見圖1)，以闡述及計算代表第一記憶體201中的一第三多媒體內容(3，參見圖1)之待推薦給使用者之至少一第二資訊狀態。
此處理通過一比較發生，根據附近規則，複數個可能進一步狀態與平台之複數個多媒體內容相關。
圖3表示經由如先前所描述之資訊狀態之間的一轉變而獲得之對一使用者之一多媒體內容之一推薦。
由使用者實施之資訊搜尋及檢索程序由自一「狀態」切換至另一狀態之一系統之一演進組成，如上文所總結。在多媒體內容之實現中，「狀態」係由與使用者10相關聯且與可在一給定時空及邏輯情境中被使用者10使用之多媒體內容相關聯之特性組表示。
自一狀態至另一狀態的轉變發生在透過其使用者使可用於平台上的一多媒體內容與另一多媒體內容相關聯之動作之後。
在狀態301中，使用者在多媒體平台上觀察一多媒體內容30。如先前所描述，使用者決定藉由通過組合彼此堆疊的內容30及31而指定圖式中例示之相關聯資訊而使多媒體內容30與一進一步多媒體內容31相關聯，因此進入狀態302。在狀態303中，基於關於狀態302之資訊，多媒體平台對使用者推薦一進一步多媒體內容32。
使用者之每一動作因此具有改變關於可觀察及由使用者提供之多媒體內容且關於其等相互關聯之一資訊狀態之效應。
圖4表示經由如先前所描述之資訊狀態之間的一轉變而獲得之對於一使用者之多個多媒體內容之一推薦。
在功能層面，自一狀態至另一狀態之一轉變每次發生在使用者表示一互動基元時。此互動基元之數量及品質取決於經定義之角色及 可用於平台上的合成可能性。
在狀態401中，使用者觀察一多媒體內容40，他/她藉由合成使該多媒體內容40與一進一步多媒體內容41相關聯，因此進入狀態402。起始於狀態402，多媒體平台推薦複數個可能狀態403a、403b、403c對應之複數個多媒體內容。接著，該推薦方法可反覆重複，達到非常複雜的彙總狀態且容許有效且完全地利用由使用者提供之資訊。使用者的互動可假設反覆無數次。當自狀態切換至下一狀態時，與多媒體內容相關聯之多筆資訊將一者套入另一者中，藉此產生複雜且資訊豐富的結構。推薦方法之可能反覆係藉由各自標記k-1、k及k+1與不同狀態401、402及403相關聯之事實而強調，k為大於或等於1的整數。
亦可想到一實施例，其中某一多媒體內容之推薦取決於先前狀態之一任意數(甚至大於1)，及其中可自此等先前狀態推斷之資訊同意提供一進一步多媒體內容之推薦。此一實施例可捕捉到更豐富且更複雜的案例以最好地滿足使用者的期望。
在一特定實施例中，吾人可定義經由OWL語言表示之一組互動基元，例如，如下：
‧add(<artefact(1)；role(1)>)該基元添加一製作項及其特定角色。
‧add(<observable(k)；role(k)>)該基元添加一可觀察量及其特定角色。
‧find-similar(observable(1))該基元發現類似於可觀察量(1)之一物件。
將關於使用者與此系統之間的互動之複雜資訊永久儲存至(例如)推薦系統之一記憶體中的可能性藉由多媒體內容索引及檢索系統所基於之已知的資料挖掘、機器學習及知識發現技術及方法而容許大量直接利用此資訊。此基於本文所提出之資訊模型而突出設定額外推薦技術之可能性，其可完全利用後者之大量資訊。
於下文將描述展示用於推薦多媒體內容之方法之一些實施例之功能性之一些實例。
參考圖5，使用者可載入一多媒體內容，將其之關聯指定為一註解。使用者通過觀察一星星501之影像而開始他的多媒體經歷：使用者處於狀態「i」中的特徵在於一可觀察量(1)，其中i指示大於或等於1之一整數。隨後，使用者藉由搜尋及發現一星星502(即，可觀察量(2))而與多媒體平台互動，該星星502類似於初始的星星。此動作引起一狀態轉變：自「i」至「i+1」。最後，使用者決定收集兩顆星星且將該兩個可觀察量彙總成複雜內容{可觀察量(1)、可觀察量(2)}503。為此目的，使用者添加註解「此等兩顆星星係類似的」；由一特定互動基元定義之此動作引起自狀態「i+1」至一狀態「i+2」之一轉變。藉由考慮文字資訊「類似性」及兩顆星星501及502之影像，多媒體平台能(例如)藉由依靠一影像搜尋引擎對使用者推薦類似星星之進一步影像504。
參考圖6，使用者可載入一多媒體內容，將其之關聯指定為一註釋。使用者藉由觀看一視訊601而開始他的多媒體經歷：在02/05/2015對Lemme的比賽期間由他的偶像Bruffon所造成的失誤。此為狀態「i」，特徵在於一可觀察量(1)。對於守門員的失誤感到難過，他決定通過記錄他的聲音對其留下一註釋：含使用者說出一句「Bruffon你仍然是最棒的」之音訊播放軌為製作項602。使用者決定添加此音訊剪輯602作為一註釋，使其與初始視訊相關聯。此動作引起一狀態轉變：自「i」至「i+1」。多媒體平台裝配有重建由使用者說出之文字之一語音轉錄引擎，及藉由考慮與視訊描述有關之聲音「Bruffon」，該語音轉錄引擎能在狀態「i+2」中給使用者推薦Bruffon之進一步視訊603。
進一步實例在下文予以呈現，其特別與任意特定圖式相關聯且 可藉由參考已描述之圖3及圖4而完全理解。
使用者可載入一多媒體內容，將其之關聯指定為一源。
使用者在網際網路上讀取一文章「w1」，其關於在一電視節目期間發生之一事實。亦在此情況中，使用者在技術上處於狀態「i」，特徵在於一可觀察量(1)。
接著，使用者決定搜尋剛在網際網路上看到之引發「w1」之內容之電視節目。使用者搜尋且發現「tv1」：此動作將狀態「i」改變成「i+1」。最後，使用者藉由使源角色與可觀察量「tv1」相關聯而決定收集兩個內容(網頁與電視)。由一特定互動基元定義之此關聯將狀態「i+1」改變成「i+2」。
使用者可載入一多媒體內容，將其之關聯指定為衍生及註解。
使用者藉由聆聽含一首歌曲(特定言之，70年代的著名打擊樂)之一音訊剪輯而開始他的多媒體經歷；在技術上，使用者處於狀態「i」，特徵在於一可觀察量(1)。隨後，使用者藉由搜尋及發現關於初始歌曲之一現代翻唱(可觀察量(2))之一最近的音樂視訊而與該系統互動。此動作引起一狀態轉變：自「i」至「i+1」。使用者將一角色指定為來自初始音訊剪輯之衍生。最後，使用者決定藉由用註解「此歌曲之視訊為一翻唱」來註解此收集(複雜可觀察量)而收集音訊剪輯及視訊。由一特定互動基元定義之此動作將狀態「i+1」改變至「i+2」。多媒體平台接著藉由70年代的原始樂隊重現歌曲之進一步現代翻唱。
使用者可載入一多媒體內容，將其之關聯指定為一詢問。
使用者藉由讀取一八卦文章而開始他的多媒體經歷：使用者處於狀態「i」中，特徵在於一可觀察量(1)。該文章包含所寫入的文字及一照片。文字講述關於一著名美國男演員的最後風情，而照片展示他在一流行電影中的場景。自該照片(即，可觀察量(2))，使用者認識 該場景，但無法記起自其提取之電影名稱。使用者接著選擇照片，藉此將狀態自「i」改變成「i+1」，且將其用作為一「詢問」，使其與著名美國男演員的名字相關聯。多媒體平台重現自其提取場景之電影結尾。
使用者可載入一多媒體內容，將其之關聯指定為起因及結果。
使用者藉由查看他的孫女試著吹熄她的第一根生日蠟燭的一有趣照片而開始他的多媒體經歷。使用者處於狀態「i」中，特徵在於一可觀察量(1)。使用者認知到，在相同資料夾中，有在照片之前的幾個月所拍之他的孫女(即，可觀察量(2))之一視訊。對於後者，使用者決定藉由起因角色而添加製作項「可觀察量2」，藉此產生可觀察量3：該狀態因此自「i」改變至「i+1」。此動作使得祖父(即，使用者)記起在他的孫女出生之前為她所寫的一首詩。該詩(即，「可觀察量3」)已保存在電腦桌面上。在關閉電腦之前，祖父決定結合視訊及照片(一製作項)，用該詩將其等解譯為結果。透過臉識別軟體，多媒體平台結合詩進一步多媒體內容(諸如，照片及視訊)，以特寫孫女。
使用者可載入一多媒體內容，將其之關聯指定為暗示及建議。
使用者Rossi夫人只喜歡在電視上觀看烹飪內容。而她的丈夫Rossi主要觀看關於體育內容之電視節目。
Rossi夫人獨自在家時藉由打開她的互動式電視機且轉至播放關於Calabria的美食產品(可觀察量(1))的一節目之頻道X(狀態「i」)而開始她的多媒體經歷。在此時，女士決定將她在獨自觀看電視時僅喜歡關於類似於當前被播放之事件之節目之事實傳達至系統。通過按壓(例如)遙控器上的藍色鍵，女士開始一特別動作：整合至電視機中的視訊攝影機拍攝一照片，因此特別記錄Rossi夫人的臉。
現假定，藉由使用使用者所拍攝的照片，系統可透過已知技術識別人的臉及因此她的身份。
照片(製作項)給定隱含角色。狀態自「i」改變至「i+1」。
在該事件中，Rossi先生下班回來。他的妻子在廚房裡準備晚餐。坐在餐桌旁之前，Rossi先生決定在電視上觀看一些節目。他打開電視，自動轉至X頻道(狀態「k」)，即，他的妻子所觀看的最後的頻道。Rossi先生坐在電視前，現正在播放他不感興趣的一內容((可觀察量(k)))。Rossi先生不知道選擇哪一個節目且懶得檢查節目時間表，他向系統請求一建議(角色)。
通過簡單按壓(例如)遙控器上的紅色按鈕，整合至電視機中的視訊攝影機拍攝另一照片(製作項)。該系統識別使用者且基於過去所保存的資訊(例如，關於前一天或前幾天晚上所觀看的節目之資訊)而建議正在直播一重要的橄欖球比賽的一節目。
經由實例，下列參數可組成一可能的實現使用者系統(連同為簡單起見而未列出的其他參數)： 體裁、地理位置、事件類型 等等。
該等參數可採用下列值(連同為簡單起見而未考慮之進一步值)。
體裁 ：政治、體育、新聞等等。
地理位置 ：意大利、德國等等。
事件類型 ：音樂會、地震等等。
現假定，在初始時刻t0時，實現使用者系統處於「狀態」state(t0)，其特徵在於 state(t0)：政治、意大利、選舉等等。
在此初始狀態中，該系統尚不具有關於使用者偏好之資訊。推薦系統可根據先前技術在預定方案(合作或基於內容之系統)之基礎上推薦一多媒體內容。
在某一時刻，使用者選擇使用根據他的期望由他選擇之一第二多媒體內容，即使不屬於上述預定方案。
在由使用者實現之後，實現條件自初始狀態state(t0)切換至一隨 後state(t1)，例如state(t1)：政治、德國、選舉等等。
此時，推薦系統自動偵測存在於該兩個連續狀態(即，state(t0)及state(t1))之間的關係。事實上，該兩個狀態之特性參數相差達一個領域，一筆語意資訊與該領域相關聯，即，「地理位置」。換言之，狀態state(t0)及state(t1))以一明確語意關係為約束，其為機器可讀且其之可用性取決於用於形成互動模型之特定本體。
當使用多媒體內容時，使用者因此給定子一狀態「跳躍」至另一狀態及「彙總」此等狀態作為由該本體提供之各種關係之一函數之可能性。
此處為關係之一些實例：‧state(t0) 類似於 state(t1)，‧ state(t0)由state(t1)引起，‧ state(t0)不同於state(t1) ，等等...
為繼續上述實例，使用者選擇觀看根據他的期望而選擇之一第二多媒體內容，且因此自state(t0)跳躍至state(t1)。
在此時，使用者決定經由該關係而結合該等狀態state(t0) 類似於 state(t1)
該推薦系統使用與該等多媒體內容相關聯之語意資訊及關於不同狀態之語意彙總資訊；此語意彙總資訊可經提供作為：(i)隱含關係，即，該等狀態之特性參數，容許辨別使用者處於哪個狀態，及(ii)明確關係，由使用者他/她自身所表達。
在本實例中，使用者隱含地將在此情況「不同地理位置」中語意結合該兩個狀態之關係傳達至該推薦系統。
該隱含關係變成透過其該推薦系統可提供一「可能」state(t2)之演進模型。
state(t2)：政治、瑞典、選舉等等。
本文所使用的術語「可能」考慮在使用者選定state(t1)之內容時未對使用者造成強制性以必需引起實現崩潰state(t2)：許多其他代替亦為可能的。
由使用者所作出的每個實現選定可因此確保推薦系統提供關於多媒體內容之推薦之可靠性。
為繼續該實例，若使用者實際決定使用與狀態state(t2)相關聯之內容，則該推薦系統將產生一進一步可能state(t3)：state(t3)：政治、羅馬尼亞、選舉等
等等。
使用者經由一或多個關係而具有結合兩個(或兩個以上)多媒體內容之可能性。
一般而言，該推薦系統經調適以藉由隱含比較兩個不同狀態之特性參數或明確透過由使用者實施之動作而獲得關於存在於兩個或兩個以上狀態之間的關係之資訊。
換言之，多媒體平台(其接收用於選擇一筆各自語意資訊與其相關聯之一第二多媒體內容之命令)能接受(無論隱含或明確)關於被使用者觀察之多媒體內容之間的關聯的資訊，該關聯關於一語意彙總。
關於一明確關係之使用，假定使用者結束初始實現 f0 (上述實例所參考)，及甚至在一段時間之後開始另一實現 f1 (本實例所參考)。
假定在該實現 f1 期間，使用者再次進入狀態state(t1)(相同於在實現 f0 期間所達到之狀態)，但不一定來自該實現 f0 所開始的相同狀態state(t0)。
在此時，該推薦系統可藉由添加進一步語意彙總資訊(即， state(t0) 類似於 state(t1))而對使用者推薦狀態state(t0)之特性內容(政治、意大利、選舉等等)。
透過在與不同多媒體內容及狀態相關聯之多筆語意資訊之間形成語意彙總，該推薦系統可使自身適於使用者之特定選擇，其在原則上取決於實現之狀態及沿多媒體實現路徑所遭遇之任意先前狀態。
當增加該系統之複雜性時，此容許產生可更好地實現使用者請求之多媒體內容之一語意彙總。
應注意，狀態之中的此等彙總之「後驗」使用完全不受產生狀態自身之時間連續邏輯的約束。
如亦由多個實例所展示，本發明之主要優點之一者在於，所提出的方法可模型化參與某一多媒體內容組之實現之使用者的互動，及使用者給定添加進一步多媒體內容同時亦使一特定角色與此等內容相關聯之可能性。
所提出之方法及系統容許持續追蹤資訊及闡釋由使用者實施之研究程序，其可以一豐富及複雜方式用他/她自身的其他內容富足化一給定的多媒體內容。以此方式，一可能的資訊搜尋及檢索階段極為便利，此係因為搜尋及檢索系統可充分利用模型的資訊財富。事實上，搜尋及檢索系統可藉由使用關於與使用者的互動的對象相關聯之角色之資訊，連同由使用者自身所提供之分組及組成資訊而動態富足化其等之索引。基於本方法之推薦系統可因此更好的滿足使用者的需求。
所提出的方法及系統特別適於經由一電腦程式以在電腦上載入及實行之實施方案。
該電腦較佳從屬於(例如)經由網際網路連接之一電腦網路，其中該等器件之至少一者(特定言之，對使用者之一存取)為一PC、一膝上型電腦、一平板電腦、一智慧型電話、一媒體中心、一電視機或任意 其他功能等效器件。
如熟習此項技術者將理解，所提出的方法可經受諸多變更。例如，本體已參考OWL語言在本文中予以描述且沒有限制性；然而，亦可使用其他語言，諸如(例如)XML Schema。
此外，亦可在異質技術平台之中有效地記錄、分享及再生關於參與多媒體內容之實現之使用者或一社團使用者之行為之資訊。
此外，該方法可同時整合至不同器件中，諸如：互動式TV、行動電話、平板電腦、PC。以此方式，複數個器件之使用者之行為可被追蹤及接著此資訊可用於新應用。
1‧‧‧多媒體內容
2‧‧‧多媒體內容/視訊
3‧‧‧多媒體內容
10‧‧‧使用者
11‧‧‧關聯
101‧‧‧多媒體平台

Claims (10)

  1. 一種用於透過一多媒體平台(101)推薦多媒體內容之方法，其中該多媒體平台(101)包括可透過至少一使用者介面(10)觀察之複數個多媒體內容，該方法包括下列步驟：該多媒體平台(101)自該至少一使用者介面(10)接收至少一第一命令(204)以選擇至少一第一筆語意資訊與其相關聯之至少一第一多媒體內容(1)；該多媒體平台(101)自該至少一使用者介面(10)接收一使用者識別符、一第二命令以選擇至少一第二筆語意資訊與其相關聯之至少一第二多媒體內容(2)，且進一步接收關於該至少一第二多媒體內容(2)與所觀察之該至少一第一多媒體內容(1)之間的一關聯之至少一筆資訊(11)，該至少一筆資訊關於語意彙總；該多媒體平台(101)透過該第二筆語意資訊與該第一筆語意資訊之間之一比較而處理(12)代表該使用者識別符、該至少一第一多媒體內容(1)及該至少一第二多媒體內容(2)及該關聯(11)之至少一第一狀態；該多媒體平台基於該至少一第一處理狀態(12)及關於該複數個多媒體內容之與複數個狀態之至少一進一步狀態之一比較而推薦代表至少一第三多媒體內容(3)之至少一第二狀態。
  2. 如請求項1之方法，其中接收自該至少一使用者介面(10)之該至少一第二多媒體內容(2)為直接透過該至少一使用者介面(10)之一獲取器件而產生之一內容。
  3. 如請求項1或2之方法，其中該至少一第二多媒體內容(2)包括影像及音訊，較佳為一視訊。
  4. 如請求項1或2之方法，其中自與該第一筆語意資訊相關聯且與 該第二筆語意資訊相關聯之文字資訊之間之一文字比較而獲得該至少一筆語意彙總資訊(11)。
  5. 如請求項1或2之方法，其中進一步自與所觀察之該至少一第一多媒體內容(1)相關聯且與該至少一第二多媒體內容(2)之接收時刻相關聯之時間資訊的一時間比較而獲得關於一關聯之該至少一筆資訊(11)。
  6. 如請求項1或2之方法，其中該第一狀態及該第二狀態係與經調適以表示該推薦系統之各自條件之複數筆儲存資料相關聯。
  7. 一種用於推薦多媒體內容之系統，其包括：一第一記憶體(201)，其儲存複數個多媒體內容及複數個各自第一筆語意資訊；一處理器(203)及至少一使用者介面(204)，其經調適以重現至少一第一多媒體內容(1)；至少一第二記憶體(202)，其經調適以儲存透過該使用者介面(204)選擇之至少一第二多媒體內容(2)、至少一第二筆語意資訊及一使用者識別符，且經進一步調適以儲存關於該至少一第二多媒體內容(2)與所觀察之該至少一第一多媒體內容(1)之間的一關聯之至少一筆資訊(11)，該筆資訊係透過該使用者介面(204)接收且關於一語意彙總；其中該處理器(203)經調適以處理關於該至少一使用者識別符之資訊，處理該至少一第一多媒體內容(1)及該至少一第二多媒體內容(2)，及處理關於一關聯之該至少一筆資訊(11)，以比較至少該第二筆語意資訊與該第一筆語意資訊且處理至少一第一資訊狀態，及其中該第二記憶體(202)經調適以儲存該至少一第一資訊狀態，及其中該處理器(203)經進一步調適以處理關於該至少一第一資訊狀態之資訊及該複數個多媒體內容，以闡釋代表該第一記憶體(201)中的至少一第三多媒體內容(3)之至少一第二資訊狀態，其中該處理器經調適以與關於該複數個多媒體內容之複數個狀態 之至少一進一步狀態作一比較。
  8. 如請求項7之系統，其中該系統經調適以實施如請求項1至6中任一項之方法。
  9. 一種電腦程式，其包括當在一電腦上執行時可實施如請求項1至6中任一項之方法之指令。
  10. 如請求項9之電腦程式，其中該程式包括根據資源描述架構標準藉由使用網路本體語言而編譯之指令。
TW102136083A 2012-10-05 2013-10-04 透過多媒體平台推薦多媒體內容之方法與系統 TWI499287B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
IT000867A ITTO20120867A1 (it) 2012-10-05 2012-10-05 Metodo e sistema per la raccomandazione di contenuti multimediali su una piattaforma multimediale

Publications (2)

Publication Number Publication Date
TW201419840A true TW201419840A (zh) 2014-05-16
TWI499287B TWI499287B (zh) 2015-09-01

Family

ID=47278469

Family Applications (1)

Application Number Title Priority Date Filing Date
TW102136083A TWI499287B (zh) 2012-10-05 2013-10-04 透過多媒體平台推薦多媒體內容之方法與系統

Country Status (12)

Country Link
US (1) US20150278351A1 (zh)
EP (1) EP2904523A1 (zh)
JP (1) JP6597967B2 (zh)
KR (1) KR102111270B1 (zh)
CN (1) CN104903888A (zh)
AR (1) AR101615A1 (zh)
BR (1) BR112015007486A2 (zh)
EA (1) EA201590672A1 (zh)
IT (1) ITTO20120867A1 (zh)
MX (1) MX2015003977A (zh)
TW (1) TWI499287B (zh)
WO (1) WO2014054025A1 (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101655674B1 (ko) 2015-05-14 2016-09-08 현대자동차주식회사 하이브리드 차량용 변속기
CN105357562B (zh) * 2015-11-11 2017-10-24 腾讯科技（深圳）有限公司 一种信息处理方法及终端
US10255503B2 (en) 2016-09-27 2019-04-09 Politecnico Di Milano Enhanced content-based multimedia recommendation method
KR101983493B1 (ko) * 2017-04-10 2019-05-29 한국과학기술원 자연어 텍스트로부터 학습된 객체 표상에 포함된 특성 해석 및 시각화 방법 그리고 시스템
US10747833B2 (en) * 2017-10-30 2020-08-18 Nio Usa, Inc. Personalized news recommendation engine
CN111159435B (zh) * 2019-12-27 2023-09-05 新方正控股发展有限责任公司 多媒体资源处理方法、系统、终端及计算机可读存储介质
CN111246255B (zh) 2020-01-21 2022-05-06 北京达佳互联信息技术有限公司 视频推荐方法、装置、存储介质、终端及服务器
CN113792212B (zh) * 2021-08-31 2023-09-01 北京百度网讯科技有限公司 多媒体资源推荐方法、装置、设备以及存储介质
US11962857B2 (en) * 2021-12-10 2024-04-16 On24, Inc. Methods, systems, and apparatuses for content recommendations based on user activity
CN117992676B (zh) * 2024-04-02 2024-06-07 福建省君诺科技成果转化服务有限公司 一种基于大数据的科技成果智能推荐方法

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6317722B1 (en) * 1998-09-18 2001-11-13 Amazon.Com, Inc. Use of electronic shopping carts to generate personal recommendations
US7917924B2 (en) * 2000-04-07 2011-03-29 Visible World, Inc. Systems and methods for semantic editorial control and video/audio editing
WO2004029835A2 (en) * 2002-09-24 2004-04-08 Koninklijke Philips Electronics N.V. System and method for associating different types of media content
KR100493902B1 (ko) * 2003-08-28 2005-06-10 삼성전자주식회사 콘텐츠 추천방법 및 시스템
US8949899B2 (en) * 2005-03-04 2015-02-03 Sharp Laboratories Of America, Inc. Collaborative recommendation system
TW200606681A (en) * 2004-08-13 2006-02-16 Parasoft Corp Music recommendation system and method
WO2007047560A2 (en) * 2005-10-18 2007-04-26 Packetvideo Corp. System and method for controlling and/or managing metadata of multimedia
US20070208718A1 (en) * 2006-03-03 2007-09-06 Sasha Javid Method for providing web-based program guide for multimedia content
CN101227502A (zh) * 2008-02-20 2008-07-23 赛码科技（北京）有限公司 一种基于内容定向的数字信息发布方法和系统
KR101460611B1 (ko) * 2008-09-04 2014-11-13 삼성전자주식회사 멀티미디어 컨텐츠에 관한 사용자 관심정보의 수집 방법 및제공 방법과 그 장치
US8862579B2 (en) * 2009-04-15 2014-10-14 Vcvc Iii Llc Search and search optimization using a pattern of a location identifier
JP5359534B2 (ja) * 2009-05-01 2013-12-04 ソニー株式会社 情報処理装置および方法、並びにプログラム
NZ599047A (en) * 2009-09-26 2013-02-22 Sajari Pty Ltd Document analysis and association system and method
US9443245B2 (en) * 2009-09-29 2016-09-13 Microsoft Technology Licensing, Llc Opinion search engine
US8332434B2 (en) * 2009-09-30 2012-12-11 Business Objects Software Limited Method and system for finding appropriate semantic web ontology terms from words
US20110125585A1 (en) * 2009-11-20 2011-05-26 Rovi Technologies Corporation Content recommendation for a content system
JP2011164681A (ja) * 2010-02-04 2011-08-25 Sharp Corp 文字入力装置、文字入力方法、文字入力プログラムおよびそれを記録したコンピュータ読み取り可能な記録媒体
JP2011217209A (ja) * 2010-03-31 2011-10-27 Sony Corp 電子機器、コンテンツ推薦方法及びプログラム
CN101968802A (zh) * 2010-09-30 2011-02-09 百度在线网络技术（北京）有限公司 一种基于用户浏览行为进行互联网内容推荐的方法与设备
US8694656B2 (en) * 2010-11-09 2014-04-08 Sony Corporation System and method for creating a viewing social network
TWI529628B (zh) * 2010-11-18 2016-04-11 Alibaba Group Holding Ltd Information sending method and system based on user card

Also Published As

Publication number Publication date
MX2015003977A (es) 2015-10-29
TWI499287B (zh) 2015-09-01
WO2014054025A1 (en) 2014-04-10
AR101615A1 (es) 2017-01-04
JP2015536005A (ja) 2015-12-17
BR112015007486A2 (pt) 2017-07-04
EP2904523A1 (en) 2015-08-12
ITTO20120867A1 (it) 2014-04-06
CN104903888A (zh) 2015-09-09
KR20150067242A (ko) 2015-06-17
JP6597967B2 (ja) 2019-10-30
EA201590672A1 (ru) 2015-08-31
US20150278351A1 (en) 2015-10-01
KR102111270B1 (ko) 2020-05-18

Similar Documents

Publication Publication Date Title
TWI499287B (zh) 透過多媒體平台推薦多媒體內容之方法與系統
US11588767B2 (en) System and interface that facilitate selecting videos to share in a messaging application
Amato et al. AI in the media and creative industries
US9451329B2 (en) Systems, methods, and computer program products for providing contextually-aware video recommendation
CN108292322B (zh) 使用从查看环境捕捉的信号的媒体数据文件的组织、检索、注释和呈现
US20120173502A1 (en) System and method for displaying, enabling exploration and discovery, recommending, and playing back media files based on user preferences
WO2011126901A2 (en) Social context for inter-media objects
CN104469430A (zh) 基于上下文和群组组合的视频推荐方法及系统
Sotelo et al. TV program recommendation for groups based on muldimensional TV-anytime classifications
TW200849030A (en) System and method of automated video editing
Schedl Ameliorating music recommendation: Integrating music content, music context, and user context for improved music retrieval and recommendation
Hanjalic New grand challenge for multimedia information retrieval: bridging the utility gap
Cardillo et al. The art of video MashUp: supporting creative users with an innovative and smart application
Carmagnola et al. Supporting content discovery and organization in networks of contents and users
Fagá Jr et al. Context information exchange and sharing in a peer-to-peer community: a video annotation scenario
Majumdar et al. Scaling New Peaks: A Viewership-centric Approach to Automated Content Curation
Knauf et al. Constraints and simplification for a better mobile video annotation and content customization process
Maystre Music Recommendation to Groups
Tjondronegoro et al. Delivering a fully interactive mobile TV
Cena et al. A proposal for an open local movie recommender
Riley The revolution will be televised: Identifying, organizing, and presenting correlations between social media and broadcast television
Sawada Recast: an interactive platform for personal media curation and distribution
Sokhn Ontology driven framework for multimedia information retrieval in P2P network
Daylamani Zad et al. An MPEG‐7 Profile for Collaborative Multimedia Annotation
Eidenberger et al. Towards integrated authoring, annotation, retrieval, adaptation, personalization and delivery of multimedia content