TWI499289B - 媒體內容推薦方法及媒體播放系統 - Google Patents

媒體內容推薦方法及媒體播放系統 Download PDF

Info

Publication number
TWI499289B
TWI499289B TW102102930A TW102102930A TWI499289B TW I499289 B TWI499289 B TW I499289B TW 102102930 A TW102102930 A TW 102102930A TW 102102930 A TW102102930 A TW 102102930A TW I499289 B TWI499289 B TW I499289B
Authority
TW
Taiwan
Prior art keywords
user
users
media
information
media content
Prior art date
Application number
TW102102930A
Other languages
English (en)
Other versions
TW201431362A (zh
Inventor
Hsi Chun Hsiao
Shou Te Wei
Hsun Chih Tsao
Original Assignee
Wistron Corp
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 Wistron Corp filed Critical Wistron Corp
Priority to TW102102930A priority Critical patent/TWI499289B/zh
Priority to CN201310053677.7A priority patent/CN103970808B/zh
Priority to US14/047,034 priority patent/US9003435B2/en
Publication of TW201431362A publication Critical patent/TW201431362A/zh
Application granted granted Critical
Publication of TWI499289B publication Critical patent/TWI499289B/zh

Links

Classifications

    • 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]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies
    • 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]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/441—Acquiring end-user identification, e.g. using personal code sent by the remote control or by inserting a card
    • 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]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/44213—Monitoring of end-user related data
    • H04N21/44218—Detecting physical presence or behaviour of the user, e.g. using sensors to detect if the user is leaving the room or changes his face expression during a TV program
    • 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]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/4508—Management of client data or end-user data
    • H04N21/4532—Management of client data or end-user data involving end-user characteristics, e.g. viewer profile, preferences
    • 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]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4661—Deriving a combined profile for a plurality of end-users of the same client, e.g. for family members within a home

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Social Psychology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Description

媒體內容推薦方法及媒體播放系統
本發明係指一種用於媒體播放系統的媒體內容推薦方法及其媒體播放系統，尤指一種可用於多人同時使用的媒體播放系統中，針對多個使用者的偏好進行推薦的媒體內容推薦方法及其媒體播放系統。
習知使用人臉辨識的媒體推薦系統可於辨識出使用者後，讀取或顯示使用者的資料，如使用者的網頁瀏覽紀錄、音樂播放清單、使用習慣等。這類媒體推薦系統往往用於單人使用的電子裝置，如平板電腦(tablet)、智慧型手機(smart phone)、筆記型電腦(laptop)、個人數位助理(PDA)等。系統可允許單一使用者登入，並讀取或顯示該使用者的各項資料。
然而，習知單人媒體推薦系統在應用於多個使用者同時使用的電子裝置時，無法同時符合多人的使用偏好，因此必須透過其它選擇方式處理。舉例來說，系統可選擇使用頻率最高之使用者以讀取其偏好資訊，並根據此偏好資訊進行媒體內容推薦，在此情況下，其他使用者的偏好資訊則無法被考慮進來。近年來，由於數位電視逐漸普及，對於時常有多個使用者同時使用的數位電視來說，習知的媒體推薦系統已無法取得適合的推薦結果。因此，習知技術實有改進的必要。
本發明之主要目的即在於提供一種可用於多人同時使用的媒體播放系統中，針對多個使用者的偏好進行推薦的媒體內容推薦方法及 其媒體播放系統。
本發明揭露一種媒體內容推薦方法，用於一媒體播放系統。該方法包含有辨識一觀賞空間內之一使用者；判斷該使用者之一個人資訊是否儲存於一資料庫；以及於該使用者之該個人資訊儲存於該資料庫時，根據該個人資訊，產生一第一媒體內容推薦資訊。
本發明另揭露一種媒體內容推薦方法，用於一媒體播放系統。該方法包含有辨識一觀賞空間內之複數個使用者，以產生一辨識結果；根據該辨識結果，將該複數個使用者分為一第一群組及一第二群組，其中該第一群組之每一使用者之一個人資訊儲存於一資料庫，該第二群組之每一使用者之一個人資訊未儲存於該資料庫；以及根據該第一群組之每一使用者之該個人資訊，產生一第一媒體內容推薦資訊。
本發明另揭露一種具有媒體內容推薦功能之一媒體播放系統。該媒體播放系統包含有一資料庫；一取像裝置，用來辨識一觀賞空間內之一使用者；以及一處理單元，用來判斷該使用者之一個人資訊是否儲存於該資料庫，並於該使用者之該個人資訊儲存於該資料庫時，根據該個人資訊，產生一第一媒體內容推薦資訊。
本發明另揭露一種具有媒體內容推薦功能之一媒體播放系統。該媒體播放系統包含有一資料庫；一取像裝置，用來辨識一觀賞空間內之複數個使用者，以產生一辨識結果；以及一處理單元，用來根據該辨識結果，將該複數個使用者分為一第一群組及一第二群組，並根據該第一群組之每一使用者之一個人資訊，產生一第一媒體內容推薦資訊。其中，該第一群組之每一使用者之該個人資訊儲存於該資料庫，該第二群組之每一使用者之一個人資訊未儲存於該資料庫。
10‧‧‧媒體播放系統
102‧‧‧資料庫
104‧‧‧取像裝置
106‧‧‧處理單元
108‧‧‧顯示裝置
110、210、212、220‧‧‧使用者
G1、G2‧‧‧群組
T1~T3‧‧‧使用者類型
30、40、50、60‧‧‧流程
300~310、400~416、500~508、 600~610‧‧‧步驟
第1圖為本發明實施例一媒體播放系統之示意圖。
第2圖為媒體播放系統之運作方式之示意圖。
第3圖為本發明實施例一媒體內容推薦流程之示意圖。
第4圖為本發明實施例對應於個人資訊儲存於資料庫之使用者之一媒體內容推薦方式之示意圖。
第5圖為本發明實施例對應於個人資訊未儲存於資料庫之使用者之一媒體內容推薦方式之示意圖。
第6圖為本發明實施例另一媒體內容推薦流程之示意圖。
請參考第1圖，第1圖為本發明實施例一媒體播放系統10之示意圖。如第1圖所示，媒體播放系統10包含一資料庫102、一取像裝置104、一處理單元106及一顯示裝置108。資料庫102用來儲存使用者之個人資訊，個人資訊包含使用者對媒體內容的偏好資訊以及可用來進行辨識的臉部資訊，而註冊過的使用者或曾經使用過媒體播放系統10的使用者之使用資訊儲存在資料庫102中。取像裝置104係用來辨識媒體播放系統10之觀賞空間內的使用者，於媒體播放系統10運作時，取像裝置104會持續偵測觀賞空間，以判斷是否有使用者進入觀賞空間，或從觀賞空間離開。當取像裝置104判斷一使用者110進入觀賞空間之後，處理單元106可判斷使用者110之個人資訊是否儲存於資料庫102。處理單元106並根據使用者110之個人資訊是否儲存於資料庫102，進行不同的後續處理。詳細來說，當處理單元106判斷使用者110之個人資訊係儲存於資料庫102時，可根據使用者110之個人資訊，產生媒體內容推薦資訊；當處理單元106判斷使用者110之個人資訊未儲存於資料庫102時，可根據使用者110之一通用特徵及相關於此通用特徵之資訊，產生媒體內容推薦資訊。顯示裝置108則用來顯示處理單元106所產生的媒體內容推薦資訊，以提供予觀賞空間內的使用者。舉例來說，顯示裝置108可利用一清單或播放列表列出媒體內容推薦資訊。於部分實施例中，亦可由媒體播放系統10直接播放媒體內容推薦資訊中的媒體檔 案。
關於產生媒體內容推薦資訊的方式，媒體播放系統10可根據使用者屬性的不同，進行不同的推薦機制。舉例來說，媒體播放系統10之觀賞空間內可能同時存在一或多個使用者，而這些使用者中，可能有部分使用者有註冊於媒體播放系統10，因此其個人資訊儲存於資料庫102，則可根據其個人資訊的內容來進行媒體內容推薦；其他未註冊於媒體播放系統10之使用者，由於其個人資訊未儲存於資料庫102，則必須透過通用特徵及相關特徵資訊來進行媒體內容推薦。請參考第2圖，第2圖為媒體播放系統10之運作方式之示意圖。如第2圖所示，當媒體播放系統10開啟時，處理單元106可先對正在使用媒體播放系統10(即位於媒體播放系統10之觀賞空間內)的使用者進行分類，而分類方式可以使用者之個人資訊是否儲存於資料庫102作為依據。如第2圖所示，若使用者之個人資訊儲存於資料庫102時，使用者被分至群組G1中；若使用者之個人資訊未儲存於資料庫102時，使用者被分至群組G2中。因此，所有位於觀賞空間內的使用者皆會被分類至群組G1或G2當中一者。
資料庫102中儲存的個人資訊包含使用者之外貌特徵，因此取像裝置104可透過人臉辨識來判斷觀賞空間中每一使用者之個人資訊是否儲存於資料庫102，進而對使用者進行分類。取像裝置104可判斷每一使用者的臉部特徵，並將此臉部特徵與資料庫102中儲存之每一使用者之個人資訊中的臉部特徵一一進行比對，再根據比對結果判斷使用者之個人資訊是否儲存於資料庫102。一種比對方式係判斷觀賞空間內使用者的臉部特徵與資料庫102儲存的臉部特徵之相似度是否大於一預設值。若進行比對時發現，某一使用者210之臉部特徵與資料庫102中一使用者之臉部特徵之相似度大於預設值時，可判斷使用者210之個人資訊係儲存於資料庫102，應被分類至群組G1。此時，於資料庫102中， 對應於使用者210之臉部特徵具有一最大相似度的臉部特徵所屬之使用者，可認定為使用者210。另一方面，若某一使用者220之臉部特徵與資料庫102中每一使用者之臉部特徵之相似度皆小於預設值時，可判斷使用者220之個人資訊未儲存於資料庫102，應被分類至群組G2。
接著，處理單元106分別根據群組G1及G2中的使用者資訊來進行媒體內容推薦。於群組G1中，使用者之個人資訊皆儲存於資料庫102，因此可取得所有使用者之個人資訊中相關於媒體播放內容的偏好資訊。資料庫102所儲存的偏好資訊包含使用者所播放過的媒體檔案、播放時間及日期，處理單元106則根據此偏好資訊進行相關的媒體內容推薦。於部分實施例中，群組G1僅具有單一使用者210。因此，處理單元106取得使用者210之偏好資訊之後，即可據以進行媒體內容推薦。
於部分實施例中，群組G1具有多個使用者，因此處理單元106必須針對多個使用者的個人偏好來進行媒體內容推薦。以兩個使用者210及212的情況為例，處理單元106先判斷使用者210及212是否有同時播放的媒體檔案，亦即，儲存於資料庫102之使用者210及212的個人資訊中，是否有任何媒體檔案在相同時間及日期同時被使用者210及212播放。若有，則處理單元106根據使用者210及212同時播放的媒體檔案來產生媒體內容推薦資訊。舉例來說，使用者210及212同時播放的媒體檔案可能多為某一特定類型音樂(如搖滾、藍調、流行音樂等)或多為某一特定歌手的歌曲，因此，所產生的媒體內容推薦資訊可能以此特定類型音樂或此特定歌手的歌曲為主。針對三個以上使用者之媒體內容推薦亦可依此方式操作，例如當群組G1具有三個使用者時，可先找出三人同時播放的媒體檔案，並將其賦予最高權重；接著尋找三人中任意兩人同時播放的媒體檔案，並將其賦予次之的權重。處理單元106可根據權重高低將推薦的媒體檔案進行排序，以顯示於顯示裝置108 中。如此一來，所推薦的媒體內容可同時符合多人的偏好。
上述實施例中，可能出現使用者210及212沒有同時播放的媒體檔案之情形。此時，處理單元106另判斷使用者210及212是否有共同播放過的媒體檔案，亦即，儲存於資料庫102之使用者210及212的個人資訊中，是否有任何媒體檔案在不同時間或日期被使用者210及212播放。若有，則處理單元106根據使用者210及212共同播放過的媒體檔案來產生媒體內容推薦資訊。舉例來說，使用者210及212共同播放過的媒體檔案可能多數為某一特定類型音樂(如搖滾、藍調、流行音樂等)或多數為某一特定歌手的歌曲，因此，所產生的媒體內容推薦資訊可能以此特定類型音樂或此特定歌手的歌曲為主。針對三個以上使用者之媒體內容推薦亦可依此方式操作，例如當群組G1具有三個使用者時，可先找出三人共同播放過的媒體檔案，並將其賦予最高權重；接著尋找三人中任意兩人共同播放過的媒體檔案，並將其賦予次之的權重。處理單元106可根據權重高低將推薦的媒體檔案進行排序，以顯示於顯示裝置108中。如此一來，所推薦的媒體內容可同時符合多人的偏好。
上述實施例中，仍可能出現使用者210及212沒有共同播放過的媒體檔案之情形。此時，處理單元106另判斷使用者210及212之使用優先權順序。處理單元106可分別根據使用者210及212播放過的媒體檔案進行媒體內容推薦，針對優先權順序較高的使用者，其播放過的檔案內容之相關媒體檔案具有較高權重；而對於優先權順序較低的使用者，其播放過的檔案內容之相關媒體檔案具有較低權重。舉例來說，若使用者210之使用優先權高於使用者212，則處理單元106優先根據使用者210播放過的媒體內容來產生媒體內容推薦資訊，再根據使用者212播放過的媒體內容來產生媒體內容推薦資訊，而前者被賦予的權重高於後者。於部分實施例中，處理單元106可能僅產生相關於優先權最 高的使用者之媒體內容推薦資訊，或者，處理單元106產生相關於優先權較高的部分使用者之媒體內容推薦資訊，並根據使用者的不同使用優先權順序，賦予媒體內容推薦資訊中每一媒體檔案不同的權重，並顯示權重最高的媒體檔案。如此一來，所推薦的媒體內容可同時符合多人的偏好。
不同使用者之使用優先權順序可透過任何方式判斷，舉例來說，可根據使用者使用媒體播放系統10的時間來判斷，例如過去一段時間內，使用者210使用媒體播放系統10的時間較長而使用者212使用的時間較短，因此使用者210被賦予較高的使用優先權順序。或者，使用優先權順序可根據使用者播放檔案的次數或頻率來判斷，例如過去一段時間內，使用者210使用媒體播放系統10播放的檔案數量較多或播放頻率較高，因此使用者210被賦予較高的使用優先權順序。
總結來說，針對群組G1之使用者，處理單元106先判斷群組G1具有單一使用者或複數個使用者。當群組G1僅具有單一使用者時，處理單元106根據該單一使用者之個人資訊中的偏好資訊，產生媒體內容推薦資訊。當群組G1具有複數個使用者時，處理單元106另判斷該複數個使用者是否具有同時播放之媒體檔案。當該複數個使用者具有同時播放之媒體檔案時，處理單元106根據此同時播放之媒體檔案，產生媒體內容推薦資訊。當該複數個使用者不具有同時播放之媒體檔案時，處理單元106另判斷該複數個使用者是否具有共同播放過的媒體檔案。當該複數個使用者具有共同播放過的媒體檔案時，處理單元106根據此共同播放過的媒體檔案，產生媒體內容推薦資訊。當該複數個使用者不具有共同播放過的媒體檔案時，處理單元106另判斷該複數個使用者之使用優先權順序，並將具有較高使用優先權之使用者播放過的檔案賦予較高權重，再根據權重大小，產生媒體內容推薦資訊。
於媒體播放系統10的觀賞空間內，部分使用者因其個人資訊 未儲存於資料庫102中，而被分配至群組G2。針對群組G2中的使用者，本發明亦可根據使用者的通用特徵及相關特徵資訊，產生媒體內容推薦資訊。如此一來，所推薦的媒體內容不僅可符合已註冊於資料庫102之使用者的偏好，亦可符合未註冊於資料庫102之使用者當中多數使用者的偏好。
詳細來說，處理單元106可根據通用特徵，先將群組G2之使用者分類為複數個使用者類型，並根據分類的結果，於複數個使用者類型中，取得具有最多使用者之特定使用者類型。上述通用特徵可包含使用者的膚色、性別及年齡等外貌特徵，因此相對應的使用者類型可為不同膚色、不同性別及不同年齡之組合。舉例來說，針對膚色可將使用者分類為黃種人、黑人及白人，針對性別可將使用者分為男及女，針對年齡可大略將使用者分為老人、成人及小孩。取像裝置104具有辨識人類臉部特徵的功能，因此每一使用者皆可根據其本身的外貌特徵及每一使用者類型所對應之通用特徵的相似度來進行分類。如此一來，依據上述分類，可將所有使用者分為3*2*3=18種使用者類型。完成分類之後，處理單元106可根據分類結果，取得具有最多使用者之特定使用者類型，進而根據對應於此特定使用者類型之特定一特徵資訊，產生媒體內容推薦資訊。以第2圖中的群組G2為例，若群組G2中所有使用者被分類為三種使用者類型T1~T3，使用者類型T2包含兩個使用者而使用者類型T1及T3僅各包含一個使用者時，處理單元106即根據使用者類型T2之特徵資訊來進行媒體內容推薦。
上述特徵資訊代表對應於使用者類型T2之通用特徵的通用偏好資訊。舉例來說，若對應於使用者類型T2之通用特徵為小孩，則處理單元106可能推薦童謠或兒歌，以符合多數小孩的偏好；若對應於使用者類型T2之通用特徵為黑人，則處理單元106可能推薦靈魂樂，以符合多數黑人的偏好；若對應於使用者類型T2之通用特徵為白人，則處理 單元106可能推薦古典樂或重金屬，以符合多數白人的偏好。通用特徵的分類方法以及每一通用特徵的特徵資訊可任意選擇，而不限於此。
特徵資訊除了可根據上述一般人對通用特徵所定義之通用偏好資訊而內建於資料庫102，特徵資訊亦可由媒體播放系統的歷史資訊取得。舉例來說，資料庫102可儲存於雲端，並連接多個媒體播放系統，當每一媒體播放系統開啟時，皆可連線至資料庫102，並將使用資訊(即某一使用者類型之使用者播放具有某一特徵資訊的媒體檔案)上傳至資料庫102。長期下來，資料庫102可取得每一使用者類型之使用者較常播放的媒體檔案，進而取得每一使用者類型之使用者對於媒體內容的偏好資訊。如此一來，儘管群組G2之使用者之個人資訊未儲存於資料庫102，媒體播放系統10仍可根據使用者所屬之使用者類型，針對多數使用者之偏好進行媒體內容推薦，以產生媒體內容推薦資訊。
因此，根據上述針對群組G1及群組G2之使用者產生媒體內容推薦資訊之方式，媒體播放系統10可產生兩組媒體內容推薦清單。一組係針對有註冊於媒體播放系統10之使用者，另一組係針對沒有註冊於媒體播放系統10之使用者。於部分實施例中，顯示裝置108可分別顯示兩組媒體內容推薦清單，以供使用者挑選欲播放的媒體內容。於其它實施例中，亦可將兩組清單合併為一組，以一特定權重順序列出媒體內容推薦清單中的媒體檔案。舉例來說，可設定群組G1之權重高於群組G2之權重。或者，可根據群組G1及群組G2的使用者人數來決定權重，例如依照群組G1及群組G2的使用者人數比例做為權重，再對合併清單進行合併權重運算之後，列出一混合的媒體內容推薦清單。於部分實施例中，針對群組G1及群組G2產生的兩組媒體內容推薦清單具有重複的媒體檔案，此時可賦予重複的媒體檔案較高權重，並以較高優先權顯示於媒體內容推薦清單中。上述實施例之媒體內容推薦資訊或媒體內推薦清單皆可顯示於顯示裝置108，抑或由媒體播放系統10直接播放媒體內容 推薦資訊中的媒體檔案。
上述關於媒體內容推薦之方式可歸納為一媒體內容推薦流程30。如第3圖所示，媒體內容推薦流程30包含以下步驟：步驟300：開始。
步驟302：取像裝置104辨識一觀賞空間內之複數個使用者，以產生一辨識結果。
步驟304：處理單元106根據該辨識結果，將該複數個使用者分為群組G1及群組G2，其中群組G1之每一使用者之一個人資訊儲存於一資料庫102，群組G2之每一使用者之一個人資訊未儲存於資料庫102。
步驟306：處理單元106根據群組G1之每一使用者之該個人資訊，產生一第一媒體內容推薦資訊。
步驟308：處理單元106根據群組G2之每一使用者之一通用特徵及相關於該通用特徵之一特徵資訊，產生一第二媒體內容推薦資訊。
步驟310：結束。
於媒體內容推薦流程30中，步驟306由處理單元106所執行，其描述對應於群組G1(個人資訊儲存於資料庫102之使用者)之媒體內容推薦方式。如第4圖所示，步驟306可再細分為以下步驟：步驟400：開始。
步驟402：判斷群組G1具有單一使用者或複數個使用者。若群組G1僅具有單一使用者時，執行步驟404；若群組G1具有複數個使用者時，執行步驟406。
步驟404：根據該單一使用者之該個人資訊中之一偏好資訊，產生該第一媒體內容推薦資訊。
步驟406：判斷該複數個使用者是否具有同時播放之一第一 媒體檔案。若是，執行步驟408；若否，執行步驟410。
步驟408：推薦相關於該第一媒體檔案之媒體內容，以產生該第一媒體內容推薦資訊。
步驟410：判斷該複數個使用者是否具有共同播放過的一第二媒體檔案。若是，執行步驟412；若否，執行步驟414。
步驟412：推薦相關於該第二媒體檔案之媒體內容，以產生該第一媒體內容推薦資訊。
步驟414：判斷該複數個使用者之使用優先權之順序，並將該複數個使用者中，具有較高之該使用優先權的使用者播放過的一第三媒體檔案賦予一較高權重，再根據該權重大小，產生該第一媒體內容推薦資訊。
步驟416：結束。
另一方面，於媒體內容推薦流程30中，步驟308由處理單元106所執行，其描述對應於群組G2(個人資訊未儲存於資料庫102之使用者)之媒體內容推薦方式。如第5圖所示，步驟308可再細分為以下步驟：步驟500：開始。
步驟502：根據該通用特徵，將群組G2之使用者分類為使用者類型T1~T3。
步驟504：根據分類的結果，於使用者類型T1~T3中，取得具有最多使用者之一特定使用者類型。
步驟506：根據對應於該特定使用者類型之特定一特徵資訊，產生該第二媒體內容推薦資訊。
步驟508：結束。
值得注意的是，為取得即時的媒體內容推薦資訊，當媒體播放系統10開啟時，取像裝置104隨時偵測觀賞空間內使用者狀態的變 化。舉例來說，由於觀看電視時，極少發生所有使用者從電視開啟時就持續坐在電視機前方直到電視關閉的情況。大部分情況下，從電視開啟到關閉的過程中，使用者係不斷地進出觀賞空間。因此，若欲取得即時的媒體內容資訊，取像裝置104必須持續偵測，使得每當一個新的使用者進入觀賞空間時，處理單元106可立刻判斷此使用者之資訊是否儲存於資料庫102，進而將此使用者分配至群組G1或群組G2，以進行後續媒體內容推薦之步驟，並取得新的媒體內容推薦資訊。另一方面，每當一使用者離開觀賞空間時，處理單元106也會判斷離開的使用者為群組G1或群組G2之使用者，進而對群組G1或群組G2所對應的推薦媒體檔案之權重重新進行運算，以取得新的媒體內容推薦資訊。關於新使用者加入或原使用者離開觀賞空間之後，媒體播放系統10之詳細運作方式已詳述於前文，於此不再贅述。
上述關於新的使用者進入觀賞空間之媒體內容推薦方式可歸納為另一媒體內容推薦流程60。如第6圖所示，媒體內容推薦流程60包含以下步驟：步驟600：開始。
步驟602：取像裝置104辨識一觀賞空間內之一使用者。
步驟604：處理單元106判斷該使用者之一個人資訊是否儲存於資料庫102。
步驟606：處理單元106於該使用者之該個人資訊儲存於資料庫102時，根據該個人資訊，產生一第一媒體內容推薦資訊。
步驟608：處理單元106於該使用者之該個人資訊未儲存於資料庫102時，根據一通用特徵及相關於該通用特徵之一特徵資訊，產生一第二媒體內容推薦資訊。
步驟610：結束。
值得注意的是，本發明之主要精神在於可針對多個使用者的 偏好進行推薦，因此可用於多人同時使用的媒體播放系統。本領域具通常知識者當可據以修飾或變化，而不限於此。舉例來說，上述根據通用特徵，對群組G2之使用者進行分類的方式僅為一種實施例，於其它實施例中，群組G2之使用者亦可透過其它方式進行分類，以產生其它使用者類型。此外，每一使用者類型所對應的特徵資訊可能因資料庫102儲存的歷史資料不同，因而產生不同結果。再者，於上述實施例中，所有相關於媒體檔案權重及使用者之使用優先權的安排方式，皆可根據系統需求，以適當的方式進行，而不限於上述實施例所描述的方式。
於習知技術中，媒體推薦系統在應用於多個使用者同時使用的電子裝置時，無法同時符合多人的使用偏好。在此情況下，通常只能考慮其中依使用者的偏好資訊，而其他使用者的偏好則無法被考慮進來。相較之下，本發明提供一種媒體內容推薦方法，可用於多人同時使用的媒體播放系統中，同時針對多個使用者的偏好進行媒體內容推薦。
10‧‧‧媒體播放系統
102‧‧‧資料庫
104‧‧‧取像裝置
106‧‧‧處理單元
108‧‧‧顯示裝置
210、212、220‧‧‧使用者
G1、G2‧‧‧群組
T1~T3‧‧‧使用者類型

Claims (26)

  1. 一種媒體內容推薦方法，用於一媒體播放系統，該方法包含有：辨識一觀賞空間內之一使用者；判斷該使用者之一個人資訊是否儲存於一資料庫；以及於該使用者之該個人資訊儲存於該資料庫時，根據該個人資訊，產生一第一媒體內容推薦資訊；其中，根據該個人資訊，產生該第一媒體內容推薦資訊之步驟包含有：判斷該觀賞空間內，除了該使用者之外，是否具有其他使用者之個人資訊儲存於該資料庫；當判斷該觀賞空間內僅該使用者之該個人資訊儲存於該資料庫時，根據該使用者之該個人資訊中之一偏好資訊，產生該第一媒體內容推薦資訊；以及當判斷該觀賞空間內另有其他使用者之個人資訊儲存於該資料庫時，另判斷該使用者之該個人資訊及該其他使用者之個人資訊之間是否具有相關的偏好資訊；其中，判斷該使用者之該個人資訊及該其他使用者之個人資訊之間是否具有相關的該偏好資訊之步驟包含有：判斷該複數個使用者是否具有同時播放之一第一媒體檔案；當判斷該複數個使用者具有同時播放之該第一媒體檔案時，推薦相關於該第一媒體檔案之媒體內容，以產生該第一媒體內容推薦資訊；以及當判斷該複數個使用者不具有同時播放之該第一媒體檔案時，另判斷該複數個使用者是否具有共同播放過的一第二媒體檔案。
  2. 如請求項1所述之方法，其中辨識該觀賞空間內之該使用者係透過一人 臉偵測方式來辨識。
  3. 如請求項1所述之方法，其中判斷該使用者之該個人資訊是否儲存於該資料庫之步驟包含有：判斷該使用者之一第一臉部特徵與該資料庫中儲存之每一個人資訊中一第二臉部特徵之一相似度是否大於一預設值；當判斷該使用者之該第一臉部特徵與該資料庫中儲存之任一個人資訊中該第二臉部特徵之該相似度大於該預設值時，判斷該使用者之該個人資訊係儲存於該資料庫，並判斷該使用者為該資料庫中對應於該第一臉部特徵具有一最大相似度之該第二臉部特徵所屬之一使用者；以及當判斷該使用者之該第一臉部特徵與該資料庫中儲存之每一個人資訊中該第二臉部特徵之該相似度皆小於該預設值時，判斷該使用者之該個人資訊未儲存於該資料庫。
  4. 如請求項1所述之方法，其中判斷該複數個使用者是否具有共同播放過的該第二媒體檔案之步驟包含有：當判斷該複數個使用者具有共同播放過的該第二媒體檔案時，推薦相關於該第二媒體檔案之媒體內容，以產生該第一媒體內容推薦資訊；以及當判斷該複數個使用者不具有共同播放過的該第二媒體檔案時，另判斷該複數個使用者之使用優先權之順序，並將該複數個使用者中，具有較高之該使用優先權的使用者播放過的一第三媒體檔案賦予一較高權重，再根據該權重大小，產生該第一媒體內容推薦資訊。
  5. 如請求項4所述之方法，其中判斷該複數個使用者之該使用優先權之順序之步驟包含根據該複數個使用者中每一使用者使用該媒體播放系統的時間，判斷該複數個使用者之該使用優先權之順序。
  6. 如請求項4所述之方法，其中判斷該複數個使用者之該使用優先權之順序之步驟包含根據該複數個使用者中每一使用者使用該媒體播放系統播放媒體檔案的次數或頻率，判斷該複數個使用者之該使用優先權之順序。
  7. 如請求項1所述之方法，其中於該使用者之該個人資訊未儲存於該資料庫時，根據一通用特徵及相關於該通用特徵之一特徵資訊，產生一第二媒體內容推薦資訊。
  8. 如請求項7所述之方法，其中該通用特徵包含使用者的膚色、性別及年齡，以及該複數個使用者類型包含不同膚色、不同性別及不同年齡之組合。
  9. 如請求項7所述之方法，其中根據該通用特徵及相關於該通用特徵之該特徵資訊，產生該第二媒體內容推薦資訊之步驟包含有：根據該通用特徵，將該觀賞空間內該個人資訊未儲存於該資料庫之使用者分類為複數個使用者類型；根據分類的結果，於該複數個使用者類型中，取得具有最多使用者之一特定使用者類型；以及根據對應於該特定使用者類型之特定一特徵資訊，產生該第二媒體內容推薦資訊。
  10. 如請求項9所述之方法，其中根據對應於該特定使用者類型之特定該特徵資訊，產生該第二媒體內容推薦資訊之步驟包含根據該特定使用者類型中所有使用者之一通用偏好資訊，產生該第二媒體內容推薦資訊。
  11. 如請求項7所述之方法，其中當該第一媒體內容推薦資訊與該第二媒體內容推薦資訊具有重複的媒體檔案時，賦予該重複的媒體檔案一較高權重。
  12. 如請求項1所述之方法，另包含直接播放該第一媒體內容推薦資訊中的媒體檔案。
  13. 一種媒體內容推薦方法，用於一媒體播放系統，該方法包含有： 辨識一觀賞空間內之複數個使用者，以產生一辨識結果；根據該辨識結果，將該複數個使用者分為一第一群組及一第二群組，其中該第一群組之每一使用者之一個人資訊儲存於一資料庫，該第二群組之每一使用者之一個人資訊未儲存於該資料庫；以及根據該第一群組之每一使用者之該個人資訊，產生一第一媒體內容推薦資訊；其中，根據該第一群組之每一使用者之該個人資訊，產生該第一媒體內容推薦資訊之步驟包含有：判斷該第一群組具有單一使用者或複數個使用者；當判斷該第一群組僅具有該單一使用者時，根據該單一使用者之該個人資訊中之一偏好資訊，產生該第一媒體內容推薦資訊；以及當判斷該第一群組具有該複數個使用者時，另判斷該複數個使用者之該個人資訊之間是否具有相關的偏好資訊；其中，判斷該複數個使用者之該個人資訊之間是否具有相關的該偏好資訊之步驟包含有：判斷該複數個使用者是否具有同時播放之一第一媒體檔案；當判斷該複數個使用者具有同時播放之該第一媒體檔案時，推薦相關於該第一媒體檔案之媒體內容，以產生該第一媒體內容推薦資訊；以及當判斷該複數個使用者不具有同時播放之該第一媒體檔案時，另判斷該複數個使用者是否具有共同播放過的一第二媒體檔案。
  14. 如請求項13所述之方法，其中辨識該觀賞空間內之該複數個使用者係透過一人臉偵測方式來辨識。
  15. 如請求項13所述之方法，其中根據該辨識結果，將該複數個使用者分為 該第一群組及該第二群組之步驟包含有：判斷該複數個使用者中每一使用者之一第一臉部特徵與該資料庫中儲存之每一個人資訊中一第二臉部特徵之一相似度是否大於一預設值；當判斷該使用者之該第一臉部特徵與該資料庫中儲存之任一個人資訊中該第二臉部特徵之該相似度大於該預設值時，分配該使用者至該第一群組，並判斷該使用者為該資料庫中對應於該第一臉部特徵具有一最大相似度之該第二臉部特徵所屬之一使用者；以及當判斷該使用者之該第一臉部特徵與該資料庫中儲存之每一個人資訊中該第二臉部特徵之該相似度皆小於該預設值時，分配該使用者至該第二群組。
  16. 如請求項13所述之方法，其中判斷該複數個使用者是否具有共同播放過的該第二媒體檔案之步驟包含有：當判斷該複數個使用者具有共同播放過的該第二媒體檔案時，推薦相關於該第二媒體檔案之媒體內容，以產生該第一媒體內容推薦資訊；以及當判斷該複數個使用者不具有共同播放過的該第二媒體檔案時，另判斷該複數個使用者之使用優先權之順序，並將該複數個使用者中，具有較高之該使用優先權的使用者播放過的一第三媒體檔案賦予一較高權重，再根據該權重大小，產生該第一媒體內容推薦資訊。
  17. 如請求項16所述之方法，其中判斷該複數個使用者之該使用優先權之順序之步驟包含根據該複數個使用者中每一使用者使用該媒體播放系統的時間，判斷該複數個使用者之該使用優先權之順序。
  18. 如請求項16所述之方法，其中判斷該複數個使用者之該使用優先權之順序之步驟包含根據該複數個使用者中每一使用者使用該媒體播放系統播放媒體檔案的次數或頻率，判斷該複數個使用者之該使用優先權之順序。
  19. 如請求項13所述之方法，另包含根據該第二群組之每一使用者之一通用 特徵及相關於該通用特徵之一特徵資訊，產生一第二媒體內容推薦資訊。
  20. 如請求項19所述之方法，其中該通用特徵包含使用者的膚色、性別及年齡，以及該複數個使用者類型包含不同膚色、不同性別及不同年齡之組合。
  21. 如請求項19所述之方法，其中根據該第二群組之每一使用者之該通用特徵及相關於該通用特徵之該特徵資訊，產生該第二媒體內容推薦資訊之步驟包含有：根據該通用特徵，將該第二群組之使用者分類為複數個使用者類型；根據分類的結果，於該複數個使用者類型中，取得具有最多使用者之一特定使用者類型；以及根據對應於該特定使用者類型之特定一特徵資訊，產生該第二媒體內容推薦資訊。
  22. 如請求項21所述之方法，其中根據對應於該特定使用者類型之特定該特徵資訊，產生該第二媒體內容推薦資訊之步驟包含根據該特定使用者類型中所有使用者之一通用偏好資訊，產生該第二媒體內容推薦資訊。
  23. 如請求項19所述之方法，其中當該第一媒體內容推薦資訊與該第二媒體內容推薦資訊具有重複的媒體檔案時，賦予該重複的媒體檔案一較高權重。
  24. 如請求項13所述之方法，另包含直接播放該第一媒體內容推薦資訊中的媒體檔案。
  25. 一種執行如請求項1所述媒體內容推薦方法之一媒體播放系統，包含有：一資料庫；一取像裝置，用來辨識一觀賞空間內之一使用者；以及一處理單元，用來判斷該使用者之一個人資訊是否儲存於該資料庫，並於該使用者之該個人資訊儲存於該資料庫時，根據該個人資訊，產生一第一媒體內容推薦資訊。
  26. 一種執行如請求項13所述媒體內容推薦方法之一媒體播放系統，包含有：一資料庫；一取像裝置，用來辨識一觀賞空間內之複數個使用者，以產生一辨識結果；以及一處理單元，用來根據該辨識結果，將該複數個使用者分為一第一群組及一第二群組，並根據該第一群組之每一使用者之一個人資訊，產生一第一媒體內容推薦資訊；其中，該第一群組之每一使用者之該個人資訊儲存於該資料庫，該第二群組之每一使用者之一個人資訊未儲存於該資料庫。
TW102102930A 2013-01-25 2013-01-25 媒體內容推薦方法及媒體播放系統 TWI499289B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
TW102102930A TWI499289B (zh) 2013-01-25 2013-01-25 媒體內容推薦方法及媒體播放系統
CN201310053677.7A CN103970808B (zh) 2013-01-25 2013-02-19 媒体内容推荐方法及媒体播放系统
US14/047,034 US9003435B2 (en) 2013-01-25 2013-10-07 Method of recommending media content and media playing system thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW102102930A TWI499289B (zh) 2013-01-25 2013-01-25 媒體內容推薦方法及媒體播放系統

Publications (2)

Publication Number Publication Date
TW201431362A TW201431362A (zh) 2014-08-01
TWI499289B true TWI499289B (zh) 2015-09-01

Family

ID=51224540

Family Applications (1)

Application Number Title Priority Date Filing Date
TW102102930A TWI499289B (zh) 2013-01-25 2013-01-25 媒體內容推薦方法及媒體播放系統

Country Status (3)

Country Link
US (1) US9003435B2 (zh)
CN (1) CN103970808B (zh)
TW (1) TWI499289B (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9626597B2 (en) 2013-05-09 2017-04-18 Tencent Technology (Shenzhen) Company Limited Systems and methods for facial age identification
CN104143079B (zh) * 2013-05-10 2016-08-17 腾讯科技（深圳）有限公司 人脸属性识别的方法和系统
US20150102981A1 (en) * 2013-10-11 2015-04-16 Microsoft Corporation Eye tracking
US9720559B2 (en) 2013-10-14 2017-08-01 Microsoft Technology Licensing, Llc Command authentication
US20150347561A1 (en) * 2014-05-27 2015-12-03 Thomson Licensing Methods and systems for media collaboration groups
WO2016042200A1 (en) * 2014-09-19 2016-03-24 Kone Corporation Display language arrangement
US20160232451A1 (en) * 2015-02-09 2016-08-11 Velocee Ltd. Systems and methods for managing audio content
CN106899867A (zh) * 2015-12-21 2017-06-27 北京奇虎科技有限公司 一种数据处理方法、装置和终端
CN107705793B (zh) * 2017-09-22 2023-01-31 百度在线网络技术（北京）有限公司 基于声纹识别的信息推送方法、系统及其设备
US10491940B1 (en) 2018-08-23 2019-11-26 Rovi Guides, Inc. Systems and methods for displaying multiple media assets for a plurality of users
CN111723237B (zh) * 2020-06-12 2023-06-02 腾讯科技（深圳）有限公司 媒体内容访问控制方法
CN112040282A (zh) * 2020-08-10 2020-12-04 深圳创维－Rgb电子有限公司 信息发布方法、系统、电视和存储介质
WO2022051129A1 (en) * 2020-09-03 2022-03-10 Arris Enterprises Llc Method and system for content switching and content control based on facial identification profiling
US11641506B2 (en) * 2020-11-11 2023-05-02 Rovi Guides, Inc. Systems and methods for providing media recommendations
US11533528B2 (en) * 2021-03-30 2022-12-20 Rovi Guides, Inc. Dynamic scheduling of content

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090138805A1 (en) * 2007-11-21 2009-05-28 Gesturetek, Inc. Media preferences
TW201112136A (en) * 2009-09-25 2011-04-01 Htc Corp Application operation methods and systems for images, and computer program products thereof
TW201214174A (en) * 2010-05-26 2012-04-01 Sony Ericsson Mobile Comm Ab Adaptive media object reproduction based on social context
TWM443899U (en) * 2012-02-29 2012-12-21 Bethel Comp Consultant Co Ltd An intelligent point-of-sales system with active identification of customer group

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030061206A1 (en) * 2001-09-27 2003-03-27 Richard Qian Personalized content delivery and media consumption
US20030237093A1 (en) * 2002-06-19 2003-12-25 Marsh David J. Electronic program guide systems and methods for handling multiple users
US20040139077A1 (en) * 2002-12-20 2004-07-15 Banker Shailen V. Linked information system
KR100469727B1 (ko) * 2003-03-07 2005-02-02 삼성전자주식회사 통화자의 얼굴을 화면 가운데에 위치시킬 수 있는화상통신용 통신단말기 및 방법
US7822233B2 (en) * 2003-11-14 2010-10-26 Fujifilm Corporation Method and apparatus for organizing digital media based on face recognition
JP2007094738A (ja) * 2005-09-28 2007-04-12 Sony Corp 嗜好情報処理システム、記録装置及び情報処理装置、並びに通信方法
US8285006B2 (en) * 2007-04-13 2012-10-09 Mira Electronics Co., Ltd. Human face recognition and user interface system for digital camera and video camera
US20080307316A1 (en) * 2007-06-07 2008-12-11 Concert Technology Corporation System and method for assigning user preference settings to fields in a category, particularly a media category
US20080316372A1 (en) * 2007-06-20 2008-12-25 Ning Xu Video display enhancement based on viewer characteristics
TW200910136A (en) * 2007-08-24 2009-03-01 Inventec Corp Operation system logon method and electronic device using the same
CN101378454B (zh) * 2007-08-31 2010-06-16 鸿富锦精密工业（深圳）有限公司 摄像设备及其拍摄方法
US8595642B1 (en) * 2007-10-04 2013-11-26 Great Northern Research, LLC Multiple shell multi faceted graphical user interface
US20090163183A1 (en) * 2007-10-04 2009-06-25 O'donoghue Hugh Recommendation generation systems, apparatus and methods
US8914367B2 (en) * 2007-11-29 2014-12-16 Cisco Technology, Inc. Socially collaborative filtering for providing recommended content to a website for presentation to an identified user
JP4322945B2 (ja) * 2007-12-27 2009-09-02 株式会社東芝 電子機器、及び画像表示制御方法
JP4582212B2 (ja) * 2008-06-24 2010-11-17 カシオ計算機株式会社 撮像装置及びプログラム
US20110153638A1 (en) * 2009-12-17 2011-06-23 International Business Machines Corporation Continuity and quality of artistic media collections
KR20110102694A (ko) * 2010-03-11 2011-09-19 삼성전자주식회사 얼굴검출을 이용한 디지털 촬영 장치, 상기 디지털 촬영 장치의 제어 방법 및 컴퓨터 판독가능 기록매체.
US20120054634A1 (en) * 2010-08-27 2012-03-01 Sony Corporation Apparatus for and method of creating a customized ui based on user preference data
JP2012058838A (ja) * 2010-09-06 2012-03-22 Sony Corp 画像処理装置、プログラム及び画像処理方法
JP5621421B2 (ja) * 2010-09-06 2014-11-12 ソニー株式会社 画像処理装置、プログラム及び画像処理方法
TW201228361A (en) 2010-12-29 2012-07-01 Altek Corp Television system with face recognition, multimedia broadcast system and broadcast control method
US9003448B2 (en) * 2010-12-30 2015-04-07 Verizon Patent And Licensing Inc. User-based program guide methods and systems
US9129107B2 (en) * 2011-02-10 2015-09-08 SecurenCrypt, LLC Document encryption and decryption
US8988512B2 (en) * 2011-04-14 2015-03-24 Mediatek Inc. Method for adjusting playback of multimedia content according to detection result of user status and related apparatus thereof
CN102402594A (zh) * 2011-11-04 2012-04-04 电子科技大学 一种富媒体个性化推荐方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090138805A1 (en) * 2007-11-21 2009-05-28 Gesturetek, Inc. Media preferences
CN101925916A (zh) * 2007-11-21 2010-12-22 格斯图尔泰克股份有限公司 媒体偏好
TW201112136A (en) * 2009-09-25 2011-04-01 Htc Corp Application operation methods and systems for images, and computer program products thereof
TW201214174A (en) * 2010-05-26 2012-04-01 Sony Ericsson Mobile Comm Ab Adaptive media object reproduction based on social context
TWM443899U (en) * 2012-02-29 2012-12-21 Bethel Comp Consultant Co Ltd An intelligent point-of-sales system with active identification of customer group

Also Published As

Publication number Publication date
TW201431362A (zh) 2014-08-01
CN103970808A (zh) 2014-08-06
US9003435B2 (en) 2015-04-07
US20140215504A1 (en) 2014-07-31
CN103970808B (zh) 2018-09-21

Similar Documents

Publication Publication Date Title
TWI499289B (zh) 媒體內容推薦方法及媒體播放系統
US11030202B2 (en) Method and device for recommendation of media content
US11748397B2 (en) Dynamic feedback in a recommendation system
Deldjoo et al. Recommender systems leveraging multimedia content
Deldjoo et al. Movie genome: alleviating new item cold start in movie recommendation
Zhao et al. Predicting personalized image emotion perceptions in social networks
US8418193B2 (en) Information processing terminal, information processing method, and program
Baveye et al. LIRIS-ACCEDE: A video database for affective content analysis
Baveye et al. A large video database for computational models of induced emotion
Jiang et al. Predicting emotions in user-generated videos
US9342576B2 (en) Information processing device, information processing terminal, information processing method, and program
US20180314959A1 (en) Cognitive music selection system and method
Yuan et al. Sentribute: image sentiment analysis from a mid-level perspective
US8640021B2 (en) Audience-based presentation and customization of content
US20130259399A1 (en) Video recommendation system and method thereof
US8909636B2 (en) Lifestyle collecting apparatus, user interface device, and lifestyle collecting method
US20090089265A1 (en) Information processing apparatus, information processing method, and program
US20140074828A1 (en) Systems and methods for cataloging consumer preferences in creative content
US20150066897A1 (en) Systems and methods for conveying passive interest classified media content
KR20200038688A (ko) 음악 서비스 제공 장치 및 방법
US20130212105A1 (en) Information processing apparatus, information processing method, and program
US20230254542A1 (en) Methods and systems facilitating adjustment of multiple variables via a content guidance application
Stupar et al. Picasso: automated soundtrack suggestion for multi-modal data
Cui et al. Correlation-based feature selection and regression
US11544314B2 (en) Providing media based on image analysis