TWI540893B - 個人化媒體站 - Google Patents

Description

個人化媒體站 相關申請案之交叉參考

本申請案主張2012年10月23日申請之美國臨時申請案第61/717,598號之權利，該臨時申請案係以全文引用方式明確地併入本文中。

本技術係關於用演算法建立之媒體站節目編排，且更特定言之，係關於由線上媒體散發服務用演算法建立之媒體站節目編排。

與許多其他程序相同，媒體站之節目編排已變得越來越依賴於用於選擇並排程內容之演算法。舉例而言，地面無線電使用定性市場研究及定量分析研究，藉由考慮定義媒體站之參數(最重要的為內容類型及人口統計資訊)來選擇將播放之歌曲及何時播放該等歌曲。結果通常要求輪流地播放來自具有少至200至300首歌曲之集區的相同20至30首歌曲之緊密循環。此等歌曲常常選自由一或多個記錄標籤推廣之媒體項目之短清單。

用演算法建立之媒體站節目編排的另一普通形式尤其包括網際網路無線電台，諸如PANDORA及IHEART RADIO。PANDORA之媒體站通常以與種子或掌控在媒體站上播放之項目的組織原理集合具有類似之固有音樂學屬性之媒體項目為特性。PANDORA利用描述媒體項目的後設資料屬性之穩固資料庫且選擇具有類似後設資料屬性之媒體 項目。

儘管風行，但PANDORA之站傾向於播放收聽者可能不喜愛或認同之媒體。此可能因為PANDORA在建立站時主要僅考慮一個或至多兩個類型之資料(亦即，類似類型的後設資料或音樂學屬性)。

除用演算法建立之媒體站節目編排服務之外，亦存在許多發佈由編輯人員建立之媒體項目之播放清單的網站。然而，此等播放清單係在未考慮使用者之收聽品味的情況下製作的。

為了補救此項技術中之源於僅使用一個類型之資料的缺陷，PANDORA現追蹤使用者喜愛及不喜愛之媒體項目且較少地播放彼等媒體項目，但此並非充分解決方法。已證明利用多種多樣之資料類型是困難的。

本發明之額外特徵及優點將在隨後描述中予以陳述，且部分地將自該描述變得明顯，或可藉由實踐本文所揭示之原理而被獲悉。本發明之特徵及優點可借助於附加申請專利範圍中特定地指出之器具及組合而被瞭解及獲得。本發明之此等及其他特徵將自以下描述及附加申請專利範圍變得更完全地顯而易見，或可藉由實踐本文中所陳述之原理而被獲悉。

所揭示的是用於產生用演算法建立之媒體站的系統、方法、裝置及非暫時性電腦可讀儲存媒體。此等媒體站是根據多種多樣之資料類型而建立，該等資料類型包括使用者設定檔資料、媒體項目後設資料、來源於合作篩選之相似性資料、商業推廣資料及基於文化之編輯資料。在一些實施例中，使用者設定檔資料包括來源於線上媒體商店之資料，包括媒體項目購買資料及收聽資料。

如本文中所使用，媒體站被定義為媒體項目之用演算法建立之集合，其中媒體項目之選擇及次序係完全由演算法判定的。每當使用 者使用媒體站時，演算法將唯一地選擇用於向使用者播放之媒體項目。在一些實施例中，使用者可跳過在媒體站上播放的媒體項目，但收聽者在其他方面不具有對所呈現之媒體項目之次序的控制。術語媒體站係與「播放清單」形成對比地使用，「播放清單」為媒體項目之經發佈清單，且針對「播放清單」而言，媒體項目之次序且甚至媒體項目之包括通常可受到使用者及/或音樂編輯的某一程度之操控。

媒體站可包括定義媒體站上之內容的格式規則。每一格式規則可用以識別可在媒體站上播放之媒體項目候選者。舉例而言，處理器可執行格式規則以識別來自媒體項目資料庫之一或多個媒體項目。此等媒體項目可為供在媒體站上播放之候選者。在一項實施例中，媒體站可包括槽(slot)之有序清單，其中每一槽經組態以儲存一或多個格式規則。媒體站之播放可涉及反覆遍歷槽之清單。當播放前進至給定槽時，可執行與該槽相關聯之格式規則，且可選擇來自媒體項目資料庫之媒體項目以供播放。在一些實例中，根據媒體規則來識別媒體項目之集合，且媒體站可自該集合選擇媒體項目來播放。在一些實施例中，選中之媒體項目可視媒體項目資料庫或資料庫中之媒體項目之屬性的變化而改變。在一些實施例中，可在考慮一或多個因素(諸如，儲存於使用者設定檔中的用以選擇媒體項目之使用者偏好)之加權程序之後自集合選擇媒體項目。該等槽可為排序的以表示執行格式規則從而導致針對每一個別使用者選擇媒體項目而以唯一序列在媒體站上播放之次序。

當將來自媒體站之內容呈現給收聽者時，可由收聽者提供關於所呈現媒體項目之使用者回饋。使用者回饋可經處理以編輯媒體站且視情況編輯全局參數或媒體項目之間的關係。舉例而言，對收聽者厭惡的媒體項目之使用者回饋可被媒體站禁止。在一些實施例中，使用者回饋可被用作選擇供在媒體站(在當前播放之媒體站上或在使用者 可參與互動之未來選擇及收聽工作階段中)上播放之媒體項目候選者時的加權準則。在一些實施例中，若系統中之許多收聽者提供類似回饋，則可建立收聽者喜愛的媒體項目之間的關係。在一些實例中，具有類似使用者回饋之媒體項目可經叢集且用以建立關於使用者之品味及偏好的一般化。叢集之回饋亦可用以識別使用者可能喜愛之其他媒體項目。

本技術包括一媒體站產生系統，該系統包括媒體項目候選者之一資料庫。可用基於對使用者已購買及/或已上傳之媒體櫃之分析的可能媒體項目來填入一些資料庫。在一個實例中，可分析使用者之媒體櫃，且可將類似於使用者之媒體櫃中之媒體項目的媒體項目收集至一相似性資料庫中。可用編輯認為適當的媒體項目之清單來填入一些資料庫。此等編輯資料庫包括適合給定情形(諸如，「鍛煉」或「靜心」或「慶典」)之媒體項目，而其他編輯資料庫包括適合特定內容類型或滿足編輯對於包括於資料庫中所設立的某些其他準則之媒體項目。一些資料庫可為商業驅動的，且包括由線上商店之演算法選擇的媒體項目，以基於預測使媒體項目之目標為使用者以推動對歌曲或歌曲所在之專輯的購買。舉例而言，可建立包括音樂專輯之音樂專輯資料庫，使用者已擁有該等音樂專輯中的來自彼媒體項目之一或多首歌曲。此資料庫可用以動態地節目編排鼓勵體驗並購買專輯之剩餘歌曲的媒體站。

在一些實施例中，該系統包括可基於固有屬性而被視為類似之媒體項目之資料庫。可在分析媒體且基於描述固有特性(諸如，內容類型、演出者、起源、節拍、速度、情緒或活力水準等)的後設資料而將媒體表示為向量之後進行此判定。在將媒體項目表示為向量之後，可將該等向量組織成大致類似之媒體項目之叢集，並特別記錄於類似媒體項目之資料庫中以影響媒體站之節目編排。

在一些實施例中，可在叢集程序中利用來自合作篩選程序之外來資料。

在一些實施例中，可叢集歸類在相同或類似內容類型中之媒體項目，且所得叢集可被視為子內容類型。可判定子內容類型之間的距離，且相對接近之子內容類型可被視為相容的子內容類型，而相對遠離之子內容類型可被視為不相容的子內容類型。在一些實施例中，藉由將叢集映射至座標空間並量測叢集之間的距離來執行該距離量測。此分析可用以產生在一起十分合適且可包括於「安全繼續播放(safe segue)」子內容類型之清單(其指示子內容類型之相容性)中的子內容類型之清單。相反的清單「非安全繼續播放」亦可被記錄且用以阻止在同一媒體站中播放不相容之媒體項目。

除了媒體項目候選者資料庫之外，該系統亦可包括使用者偏好及關於使用者之商店及無線電台帳戶之可觀察趨勢的資料庫。此等偏好可以許多形式來表示，但一個實例呈特徵向量之形式。使用者之媒體櫃或收聽資料可用以產生表示使用者之收聽品味的特徵向量。可主要將向量加權於一或多個特徵或特性，且許多向量可用以表示使用者之偏好的不同態樣。然而，可將正被考慮包括於媒體站中之候選者與此向量進行比較。在一些實施例中，可使用評分系統，將使用者偏好資料庫中之使用者偏好用以對候選者加權。

該媒體站產生系統進一步包括用於根據規則之清單(被稱為節目編排模型)建立媒體站之站產生模組。在一些實施例中，該節目編排模型包括複數個槽，其中每一槽被指派一媒體選擇規則，該媒體選擇規則將用於選擇待在媒體站節目中之彼槽處呈現之媒體項目。該等媒體選擇規則可自上文介紹之資料庫中之一或多者選擇媒體項目。

在一些實施例中，可在線上商店、媒體項目之集區及站建立模組之間共用資料以自反地彼此更新。舉例而言，如上所述，來自線上 商店之資料可用以建立適合使用者的媒體項目候選者之集區。此集區可由媒體站產生模組使用以選擇供包括於媒體站中之媒體項目。

然而，在媒體站中向使用者呈現之媒體項目可被傳達至線上商店，在線上商店中可推廣該等媒體項目以供銷售。可接著使用經購買或有高評級之媒體項目來再新由媒體站產生模組用以建立媒體站的媒體項目之集區。

因此，本技術提供多種多樣資料源之進階且複雜之摻合，以產生針對使用者之品味定製的高品質媒體站。該系統可經由監視使用者與該系統之互動而進一步獲知使用者之變化或演進之品味，且隨時間改進媒體站及線上商店的供應項目。

100‧‧‧媒體站產生系統

101‧‧‧媒體項目及統計資料庫

102‧‧‧媒體項目後設資料資料庫

103‧‧‧媒體相似性資料庫

104‧‧‧使用者偏好資料庫

105‧‧‧媒體項目候選者模組

106‧‧‧用於媒體站之媒體項目

107‧‧‧約束條件引擎

108‧‧‧使用者回饋

109‧‧‧以群體為基礎之相似性資料庫

110‧‧‧合作篩選程式

111‧‧‧以特徵為基礎之分析模組

112‧‧‧站產生規則/站產生規則資料庫

113‧‧‧種子媒體項目

114‧‧‧站建立模組

115‧‧‧編輯候選者資料庫

120‧‧‧偏好試探法模組

202‧‧‧使用者活動資料庫

204‧‧‧使用者媒體櫃統計資料庫

206‧‧‧使用者活動分析器

208‧‧‧預設偏好分析器

210‧‧‧使用者偏好資料庫

212‧‧‧後設資料資料庫

214‧‧‧線上商店資料庫

216‧‧‧叢集及相似性模組

218‧‧‧特徵向量資料庫

220‧‧‧合作篩選相似性資料庫

222‧‧‧特徵向量相似性資料庫

224‧‧‧資料庫

226‧‧‧資料庫

228‧‧‧候選者源API

230‧‧‧候選者評分模組

232‧‧‧篩選模組

234‧‧‧隨機播放模組

235‧‧‧媒體站產生模組

236‧‧‧使用者資料彙總模組

238‧‧‧種子分析器模組

240‧‧‧種子媒體項目

242‧‧‧站產生規則資料庫

302‧‧‧資料流

304‧‧‧後設資料

308‧‧‧向量

310‧‧‧資料流

314‧‧‧共同出現矩陣

316‧‧‧向量

318‧‧‧向量串連程序

320‧‧‧資料叢集程序

322‧‧‧產生簽名矩陣

324‧‧‧叢集

400‧‧‧媒體站

502‧‧‧線上商店

503‧‧‧使用者活動資料庫

504‧‧‧媒體項目候選者集區

505‧‧‧使用者媒體櫃統計資料庫

506‧‧‧媒體站產生模組

600‧‧‧使用者介面

610‧‧‧商務媒體站區段

612‧‧‧站

613‧‧‧圖示

614‧‧‧站

615‧‧‧圖示

616‧‧‧站

620‧‧‧使用者媒體站區段

622‧‧‧站

624‧‧‧站

700‧‧‧習知系統匯流排計算系統架構/系統/計算裝置

705‧‧‧匯流排

710‧‧‧處理器

712‧‧‧快取記憶體

715‧‧‧系統記憶體

720‧‧‧唯讀記憶體(ROM)

725‧‧‧隨機存取記憶體(RAM)

730‧‧‧儲存裝置

732‧‧‧模組1

734‧‧‧模組2

735‧‧‧輸出裝置/顯示器

736‧‧‧模組3

740‧‧‧通信介面

745‧‧‧輸入裝置

750‧‧‧電腦系統

755‧‧‧處理器

760‧‧‧晶片組

765‧‧‧輸出裝置

770‧‧‧儲存裝置

775‧‧‧隨機存取記憶體(RAM)/儲存器

780‧‧‧橋接器

785‧‧‧使用者介面組件

790‧‧‧通信介面

為了描述可獲得本發明之上文所列舉之及其他優點及特徵的方式，將藉由參考在附加圖式中加以說明的本發明之特定實施例來顯現上文簡單描述之原理之更特定描述。將理解，此等圖式僅描繪本發明之例示性實施例且因此不應被視為限制本發明之範疇，經由使用隨附圖式來更具體且詳細地描述及解釋本文中之原理，其中：圖1說明一例示性媒體站產生系統；圖2說明一例示性媒體站產生系統；圖3說明一例示性叢集系統；圖4A說明一例示性媒體站產生規則；圖4B說明一媒體站節目編排格式之例示性輸出；圖5說明一系統，其中線上商店、媒體項目集區及媒體站建立模組自反地影響系統之每一組件；圖6說明一例示性媒體站使用者介面；且圖7A及圖7B說明用於執行所揭示技術之節目編排模組之一例示性計算配置。

在下文詳細地論述本發明之各種實施例。雖然論述特定實施，但應理解，此論述僅為了說明目的而進行。熟習相關技術者將認識到，在不脫離本發明之精神及範疇之情況下，可使用其他組件及組態。

如本文中所使用，應將術語「經組態」視為可互換地用於指經組態及可組態，除非明確使用術語「可組態」來與「經組態」區分。在使用術語之上下文中，該術語之正確理解對一般熟習此項技術者將係顯而易見的。

如本文中所使用，應將術語「使用者」視為意謂一(多個)電子裝置之使用者。應將使用者在電腦軟體之內容脈絡中所執行之動作視為使用者所採取的將輸入提供至該(該等)電子裝置以使電子裝置執行體現於電腦軟體中之步驟的動作，除非明確地進行其他陳述。在一些例子中，使用者可指與一特定電子裝置相關聯之使用者帳戶或設定檔。舉例而言，使用者偏好係指可反映使用者之真實生活偏好的關聯地儲存於使用者帳戶或設定檔內之資料。

圖1說明一例示性媒體站產生系統。例示性媒體站產生系統100經組態以基於考慮到多種多樣之使用者特定資料、群體(population)影響資料、編輯資料、推廣資料及媒體項目特性資料之站產生規則112而建立媒體站。該等站產生規則可包括用於基於種子歌曲來建立站之規則、用於建立試探影響站之規則、用於(例如，基於內容類型或主題)建立編輯格式化站之規則、用於建立針對收聽者偏好(如源於使用者偏好/體驗試探法及儲存之資料庫104)而特製之站之規則，及用於建立經贊助站之規則等。

例示性媒體站產生系統100包括站建立模組114，其使用來自資料庫103、104、109及115之媒體候選者、使用來自站產生規則資料庫 112的一或多個規則而建立媒體站。

媒體相似性資料庫103為基於媒體項目之特性而被視為類似之媒體項目之集合。如圖1中所說明，資料庫102中之媒體項目及任何相關聯資料或後設資料之集合可由以特徵為基礎之分析模組111使用以執行一分析(以實例說明，叢集分析或局部敏感雜湊分析)以判定類似之其他媒體項目。以特徵為基礎之分析模組111基於媒體項目之特性來判定哪些媒體項目可能類似。此分析之輸出被儲存於媒體相似性資料庫103中。在一些實施例中，該輸出被用以產生特性上類似於可由站建立模組114使用以建立媒體站之一或多個其他媒體項目之候選媒體項目之一清單。在一些實施例中，該輸出被用以產生可表示一媒體項目叢集中之一代表性媒體項目的特徵向量，且站建立模組114可在建立一媒體站時比較可能的媒體項目候選者與該特徵向量的相似性。

以特徵為基礎之分析模組111可經組態以基於媒體項目之特徵而將該等媒體項目叢集成集合或群組。以特徵為基礎之分析模組可利用來自媒體項目及統計資料庫101的媒體項目資訊及關於媒體項目播放之統計資料以及來自媒體項目後設資料資料庫102之媒體項目後設資料來叢集該等媒體項目，以判定特性上類似之媒體項目。舉例而言，來自媒體項目及統計資料庫101之統計資料可包括媒體項目出現在使用者之個人媒體櫃中的頻率、購買之間的關係(例如，許多購買了此媒體項目之使用者亦購買了彼媒體項目)、媒體項目之間的關係(例如，使用者常常將此媒體項目及彼媒體項目一起置於同一播放清單中)，及其他。媒體項目後設資料資料庫102可包括媒體項目的後設資料，諸如內容類型、時代、速度、活力及情緒。

在一些實施例中，用於一性質之值可包括階層關係，以使得可在具有不同性質值之媒體項目之間建立關係。舉例而言，時代性質值1980's可在階層上與表示十年中之每一個別年份之時代性質值有關。 作為另一實例，內容類型性質值爵士樂(jazz)可在階層上與內容類型性質值硬波普(hard bop)、酷爵士(cool jazz)、自由爵士(free jazz)、搖擺(swing)、爵士搖滾(jazz rock)、靈魂爵士(soul jazz)及拉丁爵士(Latin Jazz)有關。

以特徵為基礎之叢集之一些實施例可包括針對每一媒體項目建立一多維向量。該向量可經組態以表示與一特定媒體項目有關之統計資料及後設資料。該向量之每一維度可與媒體項目之一特徵或屬性相關聯。舉例而言，一個維度可表示媒體項目之風行度，而另一維度表示媒體項目之速度，而另一維度表示媒體項目之內容類型。一旦已針對每一媒體項目產生向量，即可根據媒體項目之各別向量來叢集該等媒體項目。在一個實例中，可將相互在預定接近範圍內之向量叢集在一起。

在一些實施例中，叢集在其他向量之預定接近範圍內之向量，且可產生表示總叢集之一特徵向量。在一些實施例中，特徵向量可表示特定內容類型、時代、速度或情緒值，若此等特性中之一者係導致將媒體項目分組為叢集之支配特徵。因此，向量之所得叢集將含有具有類似性質值之媒體項目。可將由以特徵為基礎之分析模組111進行的以特徵為基礎之叢集產生之集合或群組儲存於媒體相似性資料庫103中。

以群體為基礎之相似性資料庫109係基於對來自一使用者群體之參與資料(engagement data)之分析(亦被稱為合作篩選)而被視為類似之媒體項目之集合。以群體為基礎之相似性資料庫109係來源於合作篩選程式110對媒體項目及包括每一使用者之全部購買歷史的統計資料庫101、每一使用者之個人媒體櫃(亦即，使用者已自系統購買之媒體加上使用者個人擁有之媒體)及相關聯於使用者之其他媒體相關的後設資料(包括使用者對媒體項目之參與歷史)中之資料的分析。在一 些實施例中，此使用者參與歷史可由使用者之媒體播放裝置、個人電腦、膝上型電腦、行動裝置等上之媒體播放用戶端報告至一線上商店，且儲存於資料庫101中。

合作篩選程式110可經組態以對資料庫101中之資訊執行合作篩選以產生相似性資料庫109。合作篩選可包括產生描述兩個媒體項目之間的相似性之一相似性值及將該相似性值儲存於相似性資料庫109中。合作篩選亦可包括將類似媒體項目分組成多個集合及將該等集合儲存於相似性資料庫109中。合作篩選亦可包括將型樣辨識或其他試探技術應用於可得到的關於使用者之資訊(諸如媒體相關的後設資料)以產生品味及偏好資訊。此可建立關於使用者通常一起購買哪些媒體項目、存在於使用者之個人媒體櫃中之媒體項目之間的相似性、使用者之個人櫃中之相似性、通常不一起播放之媒體項目及其他的概括。在建立媒體項目之一集合的一些實例中，可將該集合表示為一特徵向量。

在一些實施例中，合作篩選程式110分析資料庫101中之資料以判定哪些媒體項目在統計上很可能共同出現在使用者之媒體櫃中。共同出現在使用者之媒體櫃中之項目可被稱為類似的。可在以全文引用方式明確地併入本文中的2009年12月23日申請之申請案第12/646,916號中找到關於此程序之較多細節。

候選者亦可選自編輯候選者資料庫115，該編輯候選者資料庫含有已由編輯識別為適合指定內容類型之媒體項目集合。舉例而言，編輯標籤可用於代表資料庫中之新的或受到較少關注的歌曲之播放計數資料。通常，新歌曲很少被空中播放(airplay)且很少甚至無回饋。因此，該歌曲不為人知且不可能被選中用於播放。藉由附加一編輯標籤，該新歌曲可被推廣且獲得收聽者之關注。舉例而言，格式規則可經組態以選擇具有一特定編輯標籤(諸如「新音樂：爵士樂」)之一媒 體項目。編輯標籤亦可用以識別由編輯人員進行之挑選(pick)，或用以識別應包括於專注於一特定內容類型之媒體站中的該內容類型之最有名的媒體項目。

另外，使用者偏好資料104可用以判定候選者。使用者偏好資料可包括與已購買媒體項目相關聯之內容類型、情緒、活力、時代或其他媒體性質、使用者評級、包括於播放清單中、最近播放或頻繁播放之媒體項目等。舉例而言，品味使用者偏好資料可包括以下通知：使用者所購買之大部分媒體項目來自音樂內容類型爵士樂，或來自作品橫跨好幾十年之演出者的2010時代作品。使用者偏好資料亦可包括關於跳過或媒體項目之差評級之資料。在一些實施例中，此資料可用以對候選媒體項目加權。

使用者偏好資料可來源於偏好試探法模組120對多種資料源的分析，該等資料源包括媒體項目及統計資料庫101及關於使用者對經由媒體站體驗之媒體項目之回饋108之資料。

在一些實施例中，除了上文列舉之使用者偏好外，使用者偏好資料亦可包括關於使用者偏好體驗較新媒體項目(與熟悉的媒體項目相比)或反之亦然的判定。此可藉由監視使用者體驗資料來達成，且若一使用者跳過不相稱數目個新媒體項目或給予該等媒體項目差評級，反而體驗熟悉媒體項目，則可假定該使用者偏好體驗較多熱門媒體項目，而非發現新媒體項目。相反情況亦可為真實的，其中可假定使用者有興趣發現媒體項目。亦可自更寬鬆的要求來推斷出使用者有興趣發現媒體項目。由於使用者對每一個新媒體項目皆給予高評級係不太可能的，故當使用者不跳過許多新體驗之媒體項目或對該等媒體項目之一小部分給予高評級時，就可推斷使用者喜愛/偏好媒體項目發現。另一因素可為使用者購買該等新體驗之媒體項目中之一些。在一些實施例中，該系統可對使用者進行試驗以藉由在一次體驗中播放 較多新媒體項目來判定此偏好，且若該系統未觀察到許多負面信號(諸如，跳過及禁止媒體項目、短的體驗持續時間)，則可假定使用者具有針對新媒體項目發現之偏好。

在一些實施例中，可根據觀察使用者回應於建議購買媒體項目(經由明確建議抑或藉由經由在媒體站上播放而使使用者感受到媒體項目之隱含建議)所做出之動作來判定使用者偏好。舉例而言，若使用者在感受到一專輯中之若干歌曲之後會購買該專輯，則此可暗示使用者對此內容類型及演出者感興趣，以及使用者有興趣擁有專輯而非單曲，其本身暗示使用者有興趣聽到來自至少一些演出者之較不風行之曲目。

在一些實施例中，種子媒體項目113(或多個種子媒體項目)可用以藉由判定與種子媒體項目113類似之媒體項目來判定用於一媒體站之適當媒體項目候選者。在一些實施例中，種子可為諸如歌曲之媒體項目或可為諸如演出者、專輯、內容類型等的媒體項目特性。可基於種子媒體項目而建立特徵向量，且可藉由比較種子媒體項目之特徵向量與相似性資料103或109來選擇類似媒體項目。舉例而言，可選擇具有類似於種子媒體項目之特徵向量之向量的一或多個媒體項目。作為另一實例，當種子媒體項目之特徵向量類似於(在一預定距離內)表示媒體項目之一集合的特徵向量時，可選擇媒體項目之該集合。在另一實施例中，種子媒體項目可為演出者或內容類型，而非實際媒體項目。可由媒體項目候選者模組105來處理種子演出者或內容類型以建立一媒體站。此處理可包括鑒於使用者偏好104來分析種子以判定來自使用者之個人媒體櫃的可代表媒體站之一或多個媒體項目。接下來可藉由比較該一或多個代表性媒體項目之特徵向量與相似性資料103中之向量來選擇用於媒體站之媒體項目候選者105。

在一些實施例中，媒體站產生規則112可由媒體項目候選者模組 105使用以判定適當之媒體項目候選者105。

圖1亦說明媒體站建立模組114，其解譯來自媒體站產生規則資料庫112之媒體站產生規則以使用媒體項目候選者105來建立媒體站。

在一些實施例中，媒體站產生規則資料庫112包括用於建立針對一特定使用者或使用者帳戶個人化之個人化媒體站之規則或演算法。媒體項目候選者模組可使用用於個人化媒體站之媒體站產生規則112來產生候選媒體項目105之一清單。站建立模組114可進一步利用用於個人化媒體站之媒體站產生規則112，以自該等候選媒體項目進行選擇從而產生針對一特定使用者或使用者帳戶個人化之媒體站。

在一些實施例中，媒體項目候選者模組105可分析來自使用者偏好資料庫104之使用者資訊(其可包括使用者之個人媒體櫃中之媒體項目之一清單、使用者對彼等媒體項目之評級及與彼等媒體項目之互動、使用者播放清單，及與使用者相關聯之其他媒體相關資訊)以幫助判定候選者105。

在一些實施例中，站建立模組114可將試探分析應用於使用者偏好資料庫104，且使用此分析將複數個格式化媒體站中之一者選擇為最適合使用者之品味。

在一些實施例中，站產生規則112可由站建立模組114使用以接收種子媒體項目113，且基於彼種子來選擇一或多個媒體項目。在以種子為基礎之站的一些實施例中，具有與種子相同或類似之內容類型及/或安全繼續播放參數的媒體項目可被選擇作為候選者。在一些實施例中，可選擇類似於種子的媒體項目作為候選者。在一些實施例中，可將種子媒體項目之作者或演出者用以按相同或類似演出者或作者來選擇其他媒體項目。

在一些實施例中，可使用一個以上媒體項目作為種子。在此等實施例中，該多個媒體項目之特性可被平均，例如以特徵向量之形 式。接著可將特徵向量當作其為一單一種子媒體項目一樣來對待。在一些實施例中，種子媒體項目可來自由編輯或內容類型專家提供之種子媒體項目之一集合。

在一些實施例中，站產生規則模組112可包括用於建立編輯格式化站的規則。

系統100進一步包括站建立模組114。站建立模組114可經組態以選擇用於媒體站之媒體項目。如圖1中所說明，站建立模組114可接收輸入，其包括站產生規則112、使用者偏好資料104及媒體項目候選者105。站建立模組114可選擇滿足一給定站產生規則之參數的媒體項目。

系統100進一步包括約束條件引擎107。約束條件引擎107可包括約束哪些候選者可被選擇之一或多個規則，即使一給定候選者在其他方面可能為最佳的。舉例而言，約束條件可包括針對媒體項目可被播放之次數的數位千年版權法(Digital Millennium Copyright Act，DMCA)規則，或約束條件可包括基於使用者回饋或媒體項目分析而不要在媒體站上播放之媒體項目，或約束條件可包括編輯判定之規則。在一些實施例中，由約束條件引擎107應用之約束條件可視使用者之媒體櫃而定。舉例而言，對使用者之個人媒體櫃之分析可導致發現使用者不喜歡80年代搖滾樂。結果，當選擇媒體項目時，約束條件引擎107可應用避免80年代搖滾樂之新約束條件。

如圖1中所說明，站建立模組114輸出向使用者呈現的用於媒體站之媒體項目106。當使用者體驗作為媒體站之部分而呈現之媒體項目時，使用者可提供回饋108，諸如購買該媒體項目、給予該媒體項目高評級、跳過該媒體項目、禁止該媒體項目、給予該媒體項目低評級、對一媒體項目加標籤、將該媒體項目放在稍後購買之願望清單中等。可將使用者回饋108(包括向使用者呈現之所有媒體項目之一清單)儲存於使用者偏好/體驗資料庫104中。

圖2說明另一例示性系統組態。圖2強調了處理係以離線方式執行的系統之部分及以線上方式(亦即，在媒體站經請求時)執行的系統之部分。圖2之多個部分與圖1重疊，且一些組件經描述為具有微小變化。一般熟習此項技術者將瞭解，圖2之部分可添加至或取代圖1中所說明之一或多個組件。

與圖1相同，圖2說明一系統，在其中可使用多種資料源來建立媒體站。舉例而言，兩個圖皆說明了由對使用者媒體櫃之分析產生的資料源(圖1之101、110、109，及圖2之202、204、206、208、210、220)。兩個圖亦皆說明由對媒體項目固有後設資料(諸如，內容類型、標題、演出者、速度、節拍、起源等)之分析產生的資料源(圖1之102、111、103，及圖2之212、216、218、222)。兩個圖亦皆說明來自於編輯選擇及商業優先性的資料源(一般性地，圖1中之115，及圖2中之較特定例示性資料庫224、225)。兩個圖亦皆說明用於產生站的一或多個組件(圖1之107、112、114，及圖2之230、232及234)。儘管此段落之以上論述為了便於讀者而引出了圖1與圖2之間的相似性，但此論述不應被視為限制性的。可能考慮額外、不同或替代組件以作為用於產生媒體站之資料源或組件之部分。舉例而言，雖然可將236、238及240視為在產生媒體站中所使用的組件，但該等組件亦可能為用於自使用者之媒體櫃選擇類似於種子媒體項目的媒體項目的組件。

現較詳細地論述圖2：圖2說明用於分析使用者之媒體櫃之離線組件。分析每一使用者媒體櫃以判定個別使用者之偏好，以及產生經判定為類似於個別使用者之媒體櫃中之其他媒體項目的媒體項目之清單(例如，經由合作篩選程序一關於此程序之較多細節可在以全文引用方式明確地併入本文中的2009年12月23日申請之申請案第12/646,916號中找到)。具體言之，圖2說明使用者活動資料庫202，其 包括個別使用者之媒體櫃活動(例如，購買之媒體項目、使用者評級、包括於播放清單中之媒體項目、頻繁播放之媒體項目、媒體項目體驗歷史、跳過計數、媒體項目評級等)之記錄。使用者媒體櫃統計資料庫204包括個別使用者之媒體項目之記錄及關於彼等媒體項目之資訊。在一些實施例中，資料庫204包括使用者體驗的記錄，使用者係體驗在其個人媒體裝置上的媒體項目，抑或經由體驗由媒體站產生模組235呈現之媒體項目。資料庫202及204可分別由使用者活動分析器206及預設偏好分析器208來分析。此等兩個分析器模組206及208共同地用以分析各別資料儲存器202及204以判定使用者偏好210。舉例而言，使用者活動分析器206判定諸如使用者重複地體驗或最近已體驗較多的媒體項目的資訊。在一些實施例中，活動分析器206亦可用以藉由分析記錄於使用者活動資料庫202中之使用者體驗資料來進行如下判定：與熟悉媒體項目相比，使用者偏好體驗更多的新媒體項目，或反之亦然。預設偏好分析器208判定媒體櫃特定資訊，諸如使用者之媒體櫃中主要的內容類型、最愛的演出者、基本內容類型、基本演出者等。在一些實施例中，出現在媒體櫃中的使用者之基本內容類型內之基本演出者之直方圖可指導形成媒體項目選擇及將在媒體站上播放之候選者。可判定之額外偏好包括使用者可容忍體驗風行的媒體項目，而非被介紹新媒體項目的使用者偏好。此資訊係儲存於使用者偏好資料庫210中。舉例而言，使用者偏好資料庫210可包括諸如以下各者之記錄：類似於使用者之媒體櫃中之每一媒體項目的所有媒體項目之清單，最愛的內容類型、最愛的媒體項目、最愛的演出者、不喜歡的媒體項目、當前的最愛等。此分析及此等記錄係最終針對每一使用者以離線方式建立，且被定期更新以考慮媒體櫃特性及當前體驗習慣之變化。

在一些實施例中，使用者活動分析器可用於藉由識別使用型 樣、人口統計資料及內容類型親和性等中的不連續性來區分使用單一帳戶之多個使用者。在一些實施例中，使用者活動分析器甚至可分析由使用者裝置下載的可被進一步用以識別單一帳戶之多個使用者的應用程式。在此等實施例中，媒體站產生系統可嘗試僅使用特定針對帳戶之某使用者的偏好來識別多個使用者中的哪個使用者目前正在使用該帳戶。

除了圖2之執行對使用者媒體櫃之分析的組件之外，圖2亦包括對媒體項目本身固有之屬性的離線處理。後設資料資料庫212包括關於媒體項目之資料。後設資料可來自一或多個源，且包括關於媒體項目固有之屬性的資料。媒體項目固有意謂該資料描述媒體項目本身。具體言之，描述使用者對媒體項目之主觀看法的資料不包括於術語固有屬性中。舉例而言，固有資料可包括標題、演出者、收藏、專輯、內容類型、速度、節拍、起源(亦即，演出者之地理原籍)、發佈者、或媒體項目本身之其他特性。並非固有資料之資料包括使用者評級、跳過計數、活力、禁止、喜好、標籤等。

線上商店資料庫214可進一步包括關於媒體項目的後設資料之額外源。此資料庫亦包括描述媒體項目之資料，但亦可包括編輯後設資料。舉例而言，線上商店編輯可策展(curate)指示媒體項目是否相關聯於媒體項目之特定時代、子內容類型、風行度等的資料。在一些實施例中，線上商店資料庫214亦可包括基於自線上商店中之交易觀察到之彙總資料的媒體項目之購買歷史及體驗歷史。此資料可用以進行媒體項目與其相似性之間的精細區分。舉例而言，對購買資料之分析可能揭露購買演出者在70年代之歌曲的使用者可能不會繼續購買同一演出者在90年代發佈之歌曲。因此，此資料可指示此演出者之70年代及90年代之歌曲可能並不類似，即使該等歌曲來自同一演出者。將瞭解，資料庫212及214中之一或多個資料項目可為重疊的。在一些實施 例中，資料庫212及214可為同一資料庫。

此等固有屬性及編輯屬性可由叢集及相似性模組217使用以將每一媒體向量表示為向量。在一些實施例中，可藉由考慮媒體項目之許多屬性而將媒體項目表示為多維向量。可經由已知叢集技術(諸如，局部敏感雜湊或其他演算叢集技術)來對該等向量進行數學處理以將類似媒體項目分組在一起。在一些實施例中，叢集技術可為k平均(k-means)叢集分析。在以全文引用方式明確地併入本文中的2009年12月23日申請之申請案第12/646,916號中較詳細地描述此技術。

在一些實施例中，可藉由此項技術中已知的技術(如局部敏感雜湊)來執行叢集，藉此分析向量以建立簽名矩陣。簽名矩陣可為表示於高度多維空間中之向量向反映給定屬性之存在或不存在的二進位1及0的數位表示的轉換。可使用可將類似輸入項目雜湊至同一貯體(bucket)中的碰撞雜湊演算法來雜湊現反映於簽名矩陣中的媒體項目。可接著映射或至少使用此等貯體以量測分組於該等貯體內之媒體項目之間的距離。可將每一媒體項目或每一貯體之間的角距離用作為媒體項目或貯體之間的相似性之度量。

圖3說明執行叢集分析之例示性方法。如所說明，可(分開地或組合地)使用兩個可能資料輸入流302、310作為至叢集程序之輸入。資料流302包括描述媒體項目之特性的後設資料304，而資料流310包括描述媒體項目被一起購買或依次收聽或由同一使用者購買的頻度的購買歷史資料。

關於資料流302，後設資料可能需要被「清理」306，使得後設資料中之微小變化得以消除。後設資料中之此等變化可為資料係源自一個以上源的結果或由於可以一個以上方式表示之一些屬性(例如，2Pac、2Pac、2-Pac)。一旦後設資料已被清理306，就可將其用來將媒體項目表示為向量308。

關於資料流310，可在一類似於如上文所述的對使用者在其媒體媒體櫃中具有之媒體項目執行的合作篩選相似性程序的程序中，將購買歷史資料用以判定所購買的媒體項目共同出現在相同交易中或多個使用者之媒體櫃中的頻度。此處理可導致產生共同出現矩陣314。共同出現矩陣資料可被正規化且表示為向量316。

在一些實施例中，僅使用一個資料流302、310。在此等實施例中，向量串連程序318係不必要的且被跳過。然而，當使用多個資料流302、310時，必須在向量串連程序318中組合表示自每一程序輸出的媒體項目之向量。該等向量可以數學方式組合以產生用以表示每一媒體項目之新向量且輸入至資料叢集程序320中。

自媒體流302、310或318輸出之向量係有很多維度的。可經由產生簽名矩陣322而簡化該等向量。簽名矩陣可為表示於高度多維空間中之向量向反映給定屬性之存在或不存在的二進位1及0的數位表示的轉換。可使用可將類似輸入項目雜湊至同一貯體中的碰撞雜湊演算法來叢集324現反映於簽名矩陣中的媒體項目。可接著映射330或至少使用此等貯體以量測分組於該等貯體內之媒體項目之間的距離。可將每一媒體項目或每一貯體之間的角距離用作為媒體項目或貯體之間的相似性之度量。

叢集分析可用以(例如)判定類似之內容類型及子內容類型，以及相反地判定不類似之子內容類型。叢集分析亦可用以判定哪些媒體項目類似於其他媒體項目。可藉由量測兩個項目映射在座標空間中的遠近，或藉由將叢集或媒體項目表示為向量並量測代表性向量之間的距離來判定叢集或媒體項目之相似性及相異性。舉例而言，可將每一叢集映射至代表性特徵向量中，且可將相互在經判定距離範圍內之叢集視為類似的，而相互間距離大於經判定距離之叢集可被視為相異的。同樣地，藉由將叢集轉換成特徵向量，此允許直接將個別媒體項目與 叢集進行比較以判定個別媒體項目相對於給定叢集之相似程度。

在一些實施例中，叢集分析可用以判定在媒體櫃內之廣泛偏好。許多使用者具有延伸至多個內容類型或其他分類中之媒體項目偏好。叢集分析可用以判定此等偏好。舉例而言，使用者之音樂品味可能包括另類搖滾(Alternative Rock)(或其某一子內容類型)及古典音樂(Classical Music)(或其某一子內容類型)。藉由對使用者之媒體櫃執行叢集分析，可判定使用者可鑒賞此等兩個內容類型，即使此等內容類型本身並不類似。當使用者正在收聽適合此等內容類型選擇之媒體站時，此資訊可用以選擇匹配使用者之另類搖滾品味的媒體項目。藉由辨識表示使用者之品味的此等不同叢集，可能較準確地將所選媒體項目與使用者之偏好相匹配。若並未識別使用者之多個收聽偏好，而是使用者被認為僅具有一個音樂偏好，則該音樂偏好可能不表示使用者之實際偏好。舉例而言，若使用者對於另類搖滾及古典音樂之偏好導致對使用者之品味的單一表示，則結果可能為系統會認為使用者喜愛輔以交響樂之另類搖滾(藉由摻合使用者的大不相同的收聽偏好而形成)。此可能不實際反映使用者之偏好。

叢集亦可用以判定在其他媒體項目屬性方面的使用者偏好。舉例而言，對音樂媒體櫃之叢集分析可能看似使用者具有橫跨搖滾(Rock)、經典搖滾(Classic Rock)及民謠搖滾(Folk Rock)的寬範圍之音樂收聽偏好。然而，叢集分析可能揭露：使用者之偏好與內容類型無關，而與演出者有關(例如，Neil Young具有該三個內容類型中之每一者的專輯)。因此，可建立表示使用者對Neil Young音樂的興趣之特徵向量，且可藉由與此特徵向量比較來選擇候選者，因此較可能選擇更類似於Neil Young之演出者。

叢集分析之上述實施僅為代表性的。叢集分析可揭露：使用者對於許多媒體項目屬性具有偏好。此等興趣可能需要被組合以產生表 示使用者之品味的特徵向量，或多個離散特徵向量，每一特徵向量為使用者在適當情況下的偏好之適當度量。

返回參看圖2，由叢集及相似性模組216執行之分析之結果可儲存於特徵向量資料庫218中。

以上論述描述在建立媒體站時使用資料庫210及218之前最終用以預先計算該等資料庫的離線處理。資料庫210包括個別使用者所擁有之媒體項目及被認為類似於使用者所擁有之媒體項目的其他媒體項目。資料庫210亦包括額外使用者偏好，諸如媒體項目評級、喜好及厭惡等。資料庫218包括關於被認為類似及不類似之內容類型的資料。資料庫218亦包括關於個別媒體項目之相似性的資料。接著在圖2中所說明之系統之線上處理部分中利用儲存於資料庫210及218中之資料。如上文所提及，系統之「線上」部分意謂系統之此部分可在媒體站被隨選請求時執行，而系統之「離線」部分係以與對媒體站之特定請求無關的規則間隔來處理。然而，將一或多個特徵標記為線上或離線僅意在描述一個可能實施例且不欲為限制性的。一般熟習此項技術者將瞭解，由圖2中所說明之組件執行的處理中之任一者可以線上或離線方式處理，且仍實行本技術。

當媒體站請求由圖2中所說明之系統接收時，由媒體站產生模組235自站產生規則資料庫242擷取掌控所請求站之格式的規則。在一些實施例中，媒體站產生規則可定義以節目編排模型為基礎之格式化媒體站、個人化站、基於種子之站及甚至經贊助站。每一站產生規則將包括用於為媒體站選擇候選者及對候選者評分之一或多個規則。視媒體站產生規則而定，媒體站產生模組235將向候選者源API 228請求滿足特定準則之候選者。用於候選者之準則可在用以經由候選者源API 228進行通信之特定介面中表示。舉例而言，媒體站產生規則可能藉由使用由候選者源API 228定義之介面來請求候選者而指定此等候選 者應滿足「媒體櫃歌曲」準則、「完善我的專輯」準則、與指定種子曲目類似準則或其他準則。在下文將較詳細地提及某些可能規則。

對候選者之請求最終由資料庫220、224、226及228來實現。一般熟習此項技術者將瞭解，可按需要存在用於額外候選者選擇準則的較多資料庫，或該等資料庫可實際上為單一資料庫之部分。

可自離線資料庫210及218或其他資料源填入資料庫220、224、226及228。舉例而言，使用者偏好資料庫210包括相似性資料，其基於合作篩選分析而規定線上商店中的類似於使用者之媒體櫃中之媒體項目的媒體項目，其為儲存於合作篩選相似性資料庫220中之相同資訊。類似地，特徵向量資料庫218可用以填入特徵向量相似性資料庫222。資料庫224及226可為編輯選擇之歌曲的資料庫，或與線上商店相關聯之以演算法收集之資料庫。因而，可用線上商店資料庫214中之資料填入此等資料庫。此等資料庫僅作為例示性資料庫而呈現。可能存在許多其他資料庫。

在一些實施例中，該等資料庫可為內容類型特定的或媒體站特定的。表1針對媒體站「另類」列出了三個不同媒體站特定之資料庫的例示性內容。表1中所列之資料庫包括：列出用於另類站之基本演出者的「另類基本演出者(Alternative Seminal Artists)」、列出用於包括於另類站中之編輯挑選的「另類關鍵挑選(Alternative Critical Picks)」，及列出尚未列入Top 200媒體項目或其他可組態限制中的彼類型(可為標記或節目編排優先性)的新媒體項目之編輯挑選的「另類核心熱搜尋(Alternative Core Heat Seekers)」。

表1

一旦媒體站產生模組235擷取了候選者，就可由候選者評分模組230根據媒體站產生規則對該等候選者評分。根據候選者對於給定媒體站或媒體站中之槽之適當性而對候選者評分。除了候選者評分之外，亦需要由篩選模組232根據一或多個約束條件來篩選一些候選者。

約束條件可用以限制何種媒體項目可在給定媒體站上播放。在一些實施例中，該等約束條件為順應性約束條件，諸如遵守授權條款或法律要求(諸如，數位千年版權法(Digital Millennium Copyright Act，DMCA)、授權合約及或贊助權合約)的彼等約束條件。舉例而言，基於法律條例之媒體播放規則可不允許在一小時時間段中播放一演出者之三首以上歌曲，或在每個體驗工作階段中進行六次跳過。在另一實例中，基於法律條例之媒體播放規則可不允許在15首歌曲之序列內播放一演出者之三首以上歌曲。在一另外實例中，基於授權合約之媒體播放規則可放寬法律條例之要求，且允許在一小時時間段中播放由授權合約涵蓋之演出者之至多5首歌曲。在又一實例中，由特定記錄標籤贊助之媒體站可定義一媒體播放規則，該媒體播放規則在規定時間段(諸如，一小時)期間完全不允許播放來自競爭者記錄標籤之媒體項目或限制來自競爭者記錄標籤之媒體項目之數目。在再一實例中，可定義媒體播放規則以限制由使用者在一時間間隔中跳過之媒體項目之數目，諸如，在一小時時間段中跳過三次。

在一些實施例中，約束條件可基於使用者偏好或動作，諸如，使用者規定的喜好或厭惡，或甚至是家長控制偏好。

在一些實施例中，約束條件可包括編輯約束條件。對於媒體項目尤其正確地，內容類型內可存在眾多差異性，使得一些子內容類型與其他子內容類型格格不入。編輯可建立彼此格格不入的子內容類型 之清單。下文在表2中呈現此例示性清單。在表2中所呈現之實例中，編輯已記下與基本另類搖滾內容類型匹配不佳的子內容類型之集合。因而，若任何歌曲媒體項目屬於表2中所識別之內容類型，則約束條件將排除該歌曲媒體項目使之不包括於以基本另類搖滾內容類型為基礎之媒體站中。

為了應用一些媒體播放規則，可需要媒體播放歷史資料。在一些情況下，可僅在確保滿足一或多個媒體播放規則及/或任何其他規則所需要之時間中維持媒體播放歷史資料。舉例而言，對於以時間為基礎之媒體播放規則，可僅在最長時間段(諸如，一小時)中維持媒體播放歷史資料。在另一實例中，對於以媒體項目序列為基礎之媒體播放規則，可僅在最長序列長度的持續時間中維持媒體播放歷史資料。

除了約束條件/篩選模組232及候選者評分模組230之外，隨機播放模組234亦可用以擾亂候選者之次序，使得相同候選者不會每次被選中且使得相同候選者並不始終以相同次序播放。

圖2中亦說明使用者資料彙總模組236。此模組彙總來自個別使用者之媒體櫃的資料、收聽習慣及商店購買。此等資料可自離線資料庫中之一或多者彙總。來自使用者資料彙總模組236之資料亦可通知候選者評分模組，以確保可針對每一個別使用者個人化甚至根據以節目編排模型為基礎之格式化媒體站或經贊助站建立的媒體站。甚至由廣告商提供以推廣產品或媒體項目的經贊助站亦可被組態以根據使用者之品味而個人化。在一項實施例中，經組態以向使用者播放熱門歌曲(hit song)之媒體站將根據收聽經贊助站之每一使用者的品味而播放不同熱門歌曲。

圖2亦說明種子媒體項目240，其正被饋入至種子分析器模組238中以用於藉由考慮一或多個種子媒體項目而建立之媒體站。選中種子媒體項目240亦與作為偏好的使用者資料有關，因為該等媒體項目為足夠受到喜愛而可用作種子之媒體項目。

如上文所說明，存在若干類型之媒體站，且其中之一者為以節目編排模型為基礎之格式化媒體站。圖4A說明用於音訊媒體項目之格式化媒體站之例示性節目編排模型。如所展示，媒體站400包括多個格式規則。每一格式規則可用以識別可用以建立媒體站之媒體項目候選者。舉例而言，處理器可執行格式規則以識別來自媒體項目資料庫之一或多個媒體項目。此等媒體項目可為供在媒體站上播放之候選者。在一些實施例中，媒體站可包括槽之有序清單，其中每一槽經組態以儲存格式規則。媒體站之建立可涉及反覆遍歷槽之清單及應用指派給彼槽之規則。當播放前進至給定槽時，可執行與該槽相關聯之格式規則，且可選擇來自媒體項目資料庫之媒體項目。

如上文所提及，格式規則可用以選擇及/或加權候選媒體項目。具有高於截止(cut off)之加權之媒體項目可用於媒體站中的所指派槽處。在一些實施例中，媒體選擇規則對於特定站可為唯一的。圖4A將呈規定次序之例示性格式化規則說明為用於建立集中關注經典搖滾之媒體站的媒體站節目編排模型之部分。每一格式規則被指派給媒體站中之一槽，其中在媒體站之播放期間，媒體係根據槽位置而順序地播放。舉例而言，「必備歌曲集合[經典搖滾]」格式規則可被指派給第一槽，隨後「必備歌曲集合[80年代搖滾]」格式規則被指派給下一槽。每一格式規則可經組態以選擇滿足特定準則之歌曲。「必備歌曲集合[經典搖滾]」格式規則經組態以自經典搖滾類別中的被線上商店之編輯視為必需的歌曲中進行選擇，而「必備歌曲集合[80年代搖滾]」格式規則經組態以自80年代搖滾類別中的被線上商店之編輯視為必需的歌曲中進行選擇。由於在播放期間針對每一槽而選擇匹配特定準則的歌曲類別或歌曲，故媒體站之多次播放可導致不同歌曲被播放。當播放第18個槽中之歌曲且無剩餘的槽時，媒體站可循環回至第一槽。在第二遍次期間，可再次應用該等格式規則，從而導致很可能基於格式規則而選擇不同媒體項目。

視系統之組態而定，可自儲存於媒體播放裝置上或伺服器上之媒體執行對媒體項目之選擇。在一個實例中，媒體播放裝置基於格式規則來選擇用於播放之歌曲，且隨後向伺服器請求該歌曲。在另一實例中，媒體播放裝置儲存預定數目個滿足格式規則準則之媒體項目，且在與格式規則相關聯之歌曲經排程以用於播放時自所儲存之媒體項目中選擇要播放之媒體項目。在又一實例中，伺服器可選擇用於播放之滿足格式規則之準則的媒體項目且可隨後將該歌曲傳輸至媒體播放裝置。

圖4B說明經排程而將在基於圖4A中所說明之節目編排模型之媒 體站上播放的媒體項目(此實例中為歌曲)之例示性清單。在一些實施例中，可將媒體歌曲之經排程清單呈現給使用者，使得使用者知道即將播放之曲目，但更一般地，歸因於授權限制，即將播放之曲目並不被呈現給使用者(例如，DMCA不准許向使用者顯示即將播放之歌曲)。在一些實施例中，將當前曲目及預定數目個即將播放之曲目呈現給使用者。舉例而言，可將與目前播放之歌曲及經排程以播放之下一歌曲有關的資訊呈現給使用者。

格式化媒體站可具有許多興趣中心。一些實例包括話題站(例如，聖誕節假日站、情人節站及奧林匹克站)、經贊助站、基於內容類型之站，及編輯建立之站。每一站可具有由站建立者選取之格式規則之集合，以強調該站之興趣中心。

除了基於規定節目編排模型而建立的格式化媒體站之外，亦可基於由使用者規定之種子歌曲而產生媒體站。另外，可形成多個個人化媒體站，該等媒體站係特定針對根據對使用者之媒體櫃及收聽習慣之分析所判定的使用者之品味。舉例而言，可藉由分析已可供內容散發服務利用之使用者資訊來建立媒體站。因此，可建立個人化媒體站，而無需令使用者提供用以建立該站之種子(例如，使用者選擇之歌曲、演出者、內容類型或用以最初設定站的其他音樂特性)或參數。在一個實例中，自動產生之媒體站可比根據單一種子產生之媒體站更佳。基於種子媒體項目而產生的媒體站僅具有對使用者之品味及偏好的單一參考點。與之相比，基於可用使用者資料而產生的媒體站可具有對使用者品味及偏好以及媒體播放歷史的多個參考點。該多個資料點可被合成為一向量且與上文提及的叢集分析之結果加以比較，以判定與使用者之品味緊密相關的媒體項目。

在一些實施例中，該多個資料點可包括隨時間變化的使用者之體驗習慣之表示。可推斷：最新近的媒體體驗歷史較準確地表示使用 者之當前偏好以及新近的收聽及購買傾向。在此等實施例中，在判定使用者之偏好時，使用者之較新近媒體體驗資料可具有較重權重，且在判定適合使用者之品味之媒體項目時具有較重權重。將瞭解，使用者之品味將隨時間以及在音樂之特定內容類型或風格之間改變。

如所說明，媒體選擇規則可定義哪些媒體項目為用於在特定媒體站上播放之候選者。媒體選擇規則亦可定義哪些媒體項目將不在特定站上播放。亦可基於一或多個一般約束條件或預定義準則(諸如，內容類型、演出者、專輯、記錄標籤或商業優先性)而定義媒體選擇規則。另外，可依據種子項目(諸如，媒體項目、專輯、內容類型或演出者)而定義媒體選擇規則。以種子媒體項目為基礎之媒體選擇規則亦可包括相似性之度量。藉由應用以種子為基礎之媒體選擇規則，可將經判定為足夠類似於種子項目之媒體項目選擇作為用於在媒體站上播放之候選者。此外，可基於使用者特性、位置資訊或人口統計資訊而定義媒體選擇規則。舉例而言，媒體選擇規則可規定：應選取在匹配「男性」及「年齡18至22」之使用者特性值的使用者中風行的媒體。在一些情況下，此判定可基於與媒體項目相關聯的後設資料。媒體選擇規則亦可基於使用者偏好，諸如，使用者規定的喜歡或厭惡，或甚至是家長控制偏好。

如自上文顯而易見，儘管每一媒體站係根據基於站格式而組織成相同序列之相同媒體選擇規則而產生，但媒體站係針對每一特定使用者特別定製的。因而，若第一使用者讓第二使用者體驗一媒體站，則第二使用者將與第一使用者體驗完全不同之媒體站，因為每一者將體驗到根據其自身之偏好的媒體站。然而，在一些實施例中，使用者可將其自身版本之媒體站與另一使用者共用。在此等實施例中，第一使用者能將她的版本之媒體站與第二使用者共用。第二使用者接著將體驗到根據第一使用者之偏好的媒體站。歸因於授權限制，通常不可 能在不購買或贈送媒體項目之情況下就將媒體項目之完全相同集合發送至第二使用者。

媒體選擇規則通常可分組成多個規則，該等規則經設計以選擇匹配使用者之品味的風行媒體、匹配使用者之品味的新媒體、匹配使用者之品味的暢銷媒體。在此等例子中，媒體選擇規則經設計以選擇匹配使用者之品味的新媒體項目或風行媒體項目來向使用者呈現。媒體選擇規則亦可由向使用者銷售或推薦媒體項目之商業目標所驅動。舉例而言，媒體選擇規則可能選擇使用者最有可能購買之媒體項目。媒體選擇規則亦可由使使用者體驗基於商業優先性而目前正被推廣及/或在任何給定時間與文化中的消費者相關的媒體之目標所驅動。其他媒體選擇規則可藉由在媒體播放裝置上選擇使用者已擁有且已擁有收聽之權力之媒體項目而由成本節約目標(媒體服務之成本節約)所驅動。其他媒體選擇規則可藉由選擇使用者已擁有或已體驗過之媒體項目而由播放使用者已熟悉之媒體項目之目標所驅動。某些媒體選擇規則可經組態以藉由選擇類似的、匹配內容類型要求、速度要求等之媒體項目來選擇適合媒體站中之其他媒體項目的媒體項目。媒體選擇規則之挑選得好的集合應考慮到使用者之偏好以及一或多個商務目的(諸如，銷售媒體項目或推廣媒體項目)。

儘管媒體選擇規則可以許多形式出現，但一些例示性媒體選擇規則包括以下各者：熱搜尋(HEAT-SEEKER)：尚未列入Top 200媒體項目中的彼類型(可為標籤或節目編排優先性)且將較新鮮內容添加至媒體站的新媒體項目之集區。在一些實施例中，可忽略安全繼續播放內容類型。

收聽者亦購進(LISTENERS ALSO BOUGHT)：除其他相似性量度(諸如媒體項目共同出現)之外亦考慮使用者購買之相似性資料。

收聽者亦收聽(LISTENERS ALSO LISTENED TO)：除其他相似 性量度(諸如媒體項目共同出現)之外亦考慮使用者體驗之相似性資料。

關鍵挑選(CRITICAL PICK)：幫助將線上商店之編輯的意見注入至站中的按頂層內容類型或子內容類型之媒體項目集區(廣受好評之deeper cuts)，其可涵蓋可能被熱搜尋媒體選擇規則遺漏之媒體項目。在一些實施例中，可忽略安全繼續播放內容類型。

完善專輯(COMPLETE MY ALBUM)：自在安全繼續播放內容類型之清單內的使用者未擁有之專輯中選擇使用者未擁有之下一個暢銷曲目。在一些實施例中，「完善專輯」媒體選擇規則根據使用者已擁有之歌曲之數目而對專輯排名，以促進轉換專輯銷量。

自[類別/集合]選擇(SELECT FROM[CATEGORY/COLLECTION])：在一些實施例中，可在離線處理程序期間組織媒體項目之集合。舉例而言，編輯可已針對特定內容類型或情緒指定重要曲目之集合，或編輯可以其他方式策展媒體項目之集合，其可被利用作為在其中選擇媒體項目的集區。

銷量領先者(SALES LEADER)：選擇在線上商店具有最佳銷量排名的在規定內容類型內的媒體項目。若媒體規則要求來自規定時期之媒體項目，則銷量領先者可選自歷史商業/產業銷量資料。僅選擇匹配安全繼續播放內容類型之媒體項目。在一些實施例中，較近才發行的媒體項目較佳。在一些實施例中，可將使用者媒體項目相似性資料用以縮小選擇。

媒體櫃歌曲(LIBRARY SONG)：在候選歌曲被視為適合媒體站時自使用者之媒體櫃/購買歷史選擇在規定內容類型或安全繼續播放內容類型中的最高播放次數及最近播放之歌曲。在一些實施例中，在最近12個月內發行的媒體項目較佳。

在一些實施例中，任何媒體選擇規則可服從一或多個其他規則 或使一或多個其他規則服從其。舉例而言，若使用熱搜尋媒體項目選擇規則來選擇媒體項目，則可使用最佳版本媒體選擇規則來選擇使用者最有可能喜歡的版本。

在一些實施例中，若媒體選擇規則不能夠提供可使用的候選者，則可使用遞補(fallback)規則來選擇(例如)關鍵挑選或其他編輯導出之媒體項目候選者。

安全繼續播放子內容類型/核心子內容類型(SAFE SEGUE SUB-GENRES/CORE SUB-GENRES)：對於媒體項目尤其正確地，內容類型內可存在眾多差異性，使得一些子內容類型與其他子內容類型格格不入。此等媒體選擇規則從由編輯判定為安全的或為核心(實質上相關)之子內容類型之清單選擇媒體項目。表3呈現用於以另類搖滾為基礎之「另類」媒體站的安全且核心之子內容類型之例示性清單。

表3

最佳版本(BEST VERSION)：針對具有若干版本之媒體項目，此媒體項目選擇規則自使用者很可能喜歡之若干版本中選擇媒體之版本。使用者可能較可能由於觀察到的偏好(諸如對實況曲目或錄音室記錄曲目的偏好)而喜歡一個媒體項目版本多於喜歡另一媒體項目版本，或可能因為一個媒體項目版本與媒體站中之其他媒體項目較好地配合而喜歡該版本。另外，媒體項目之某些版本可能跨內容類型(諸如，藉由對音訊曲目之重新混音)，且使用者可能被判定為欣賞一個內容類型多於欣賞另一內容類型。

將瞭解，本文中所參考之特定媒體選擇規則僅為例示性的。本文中所參考之該等媒體選擇規則可具有其他準則或不同於本文中所列出之準則的準則。同樣地，其他或不同媒體選擇規則亦係可能的且在本技術之範疇內。

按上述方式的線上商店、使用者之個人媒體統計資料及媒體站建立系統之間的整合使得能夠建立與當今可得到之媒體站相比更為優越的媒體站。但此整合可為循環性的，以使得自媒體站建立系統產生之額外資料可用以改進描述使用者之媒體偏好且尤其是使用者之當前收聽偏好的資料(特徵向量)，其可接著用以建立甚至更佳的媒體站。另外，自媒體站建立系統產生之資料可由線上商店利用以亦向使用者提供更好的體驗。舉例而言，可在線上商店中向使用者推廣使用者新近在體驗由媒體站產生系統產生之媒體站時體驗的媒體項目。此在如下情形中可尤其有幫助：使用者給予媒體項目高評級；明確地標記媒體項目；將媒體項目放到其願望清單中；或經由反覆體驗媒體項目而無跳過或禁止來隱含地暗示有興趣進行消費且因此可能對購買媒體項目感興趣。

圖5說明自反演算法輔助及試探法驅動(Reflexive Algorithmic Assisted & Heuristics-Driven，RAAHD)之媒體站產生引擎。圖5中所說明之系統考慮到商店502、使用者活動媒體櫃503及使用者媒體櫃505與媒體站產生模組506之間的互動(藉由動態地影響彼此)。系統可具有用以操作動態地適應使用者之媒體站體驗習慣的線上商店的資料及深入見解。舉例而言，根據對使用者群體之媒體櫃統計資料505之分析所產生且儲存於媒體項目候選者集區504(諸如集區1)中的「收聽者亦購進」資料可與集區n中之「收聽者在媒體站上聽到的」資料的共混合，且基於特定使用者而進一步個人化。一旦自反地或甚至預測性地將環境整合至工作，則諸如新近性、預測性地引起銷量之型樣匹配、分析廣告曝光之數目且甚至彼等廣告曝光之時序的因素就全部變得可能。

更具體言之，圖5說明：來自線上商店502之資料可經處理以建立媒體項目候選者之一或多個集區504。此外，媒體項目集區可由線上商店使用以選擇將在線上商店中向使用者推廣之媒體項目。舉例而言，如上文所提及，可結合已含於使用者之媒體櫃中之媒體項目，將來自線上商店502之資料用以產生其他使用者亦購買之媒體項目之集區。此集區可用以選擇一或多個媒體項目以在線上商店中推廣。同樣地，使用者亦購買之媒體項目之同一集區可由媒體站產生模組506使用以選擇可能包括於媒體站中之候選媒體項目。

在另一實例中，由媒體站產生模組506向使用者呈現之媒體項目可儲存於近來播放之媒體項目之集區504中且記錄於使用者活動資料庫503中。此集區可由線上商店502使用以選擇媒體項目來向使用者推廣。當媒體項目被使用者購買時，可更新使用者媒體櫃統計資料庫505之資料，從而導致對媒體項目候選者集區504之更新，此又改進了由媒體站產生模組506選擇之媒體項目。

圖6說明例示性媒體站使用者介面。使用者介面600可經組態在 用戶端裝置上呈現可用媒體站。自使用者介面600選擇媒體站可導致處理媒體站以識別將播放之適當內容。在一個實例中，經識別內容可滿足媒體站之格式規則。如所展示，使用者介面600包括兩個區段：商務媒體站區段及使用者媒體站區段。商務媒體站區段可經組態以呈現商務媒體站，諸如編輯站及經贊助站。與之相比，使用者媒體站區段可經組態以呈現已針對使用者個人化之使用者媒體站。商務媒體站區段610包括站612、614及616。使用者媒體站區段包括站622及624。

如所展示，某些商務媒體站可包括圖示。舉例而言，站612包括圖示613，而站614包括圖示615。站616不具有圖示。當選擇圖示時，與該圖示相關聯之商務媒體站可被轉換成使用者媒體站。自商務媒體站至使用者媒體站之轉換可包括改變媒體站之性質及屬性。舉例而言，商務媒體站可根據不同於使用者媒體站之規則來選擇媒體。作為另一實例，商務媒體站可與使用者媒體站存取不同的使用者資訊。舉例而言，使用者媒體站可根據使用者媒體櫃後設資料(諸如，使用者之音樂評級)而非使用者之商務資訊(諸如，使用者之帳務處理資訊)來選擇用於播放之媒體項目。該轉換可導致添加新使用者媒體站，其出現在使用者媒體站區段620中。在一些實例中，商務媒體站可自商務媒體站610消失。在其他實例中，商務媒體站可保留在該區段中，但用以轉換該站之圖示消失。

圖7A及圖7B說明例示性的可能系統實施例。一般熟習此項技術者在實踐本技術時將顯而易見更適當的實施例。一般熟習此項技術者亦將容易瞭解，其他系統實施例係可能的。

圖7A說明習知系統匯流排計算系統架構700，其中該系統之組件係使用匯流排705來彼此電通信。例示性系統700包括處理單元(CPU或處理器)710及系統匯流排705，該系統匯流排將包括系統記憶體715(諸如唯讀記憶體(ROM)720及隨機存取記憶體(RAM)725)之各種 系統組件耦接至處理器710。系統700可包括與處理器710直接地連接、極接近處理器710或整合為處理器710之部分的高速記憶體之快取記憶體。系統700可將資料自記憶體715及/或儲存裝置730複製至快取記憶體712以供處理器710快速存取。以此方式，快取記憶體可提供避免處理器710在等待資料時延遲之效能提昇。此等及其他模組可控制或經組態以控制處理器710以執行各種動作。其他系統記憶體715亦可供使用。記憶體715可包括具有不同效能特性的多個不同類型之記憶體。處理器710可包括任何一般用途處理器及硬體模組或軟體模組，諸如，儲存於儲存裝置730中之經組態以控制處理器710的模組1732、模組2734及模組3736，以及軟體指令併入至實際處理器設計中的特殊用途處理器。處理器710基本上可為完全自含式計算系統，其含有多個核心或處理器、匯流排、記憶體控制器、快取記憶體等。多核心處理器可對稱或不對稱。

為了使使用者能夠與計算裝置700互動，輸入裝置745可表示任何數目個輸入機構，諸如，用於語音之麥克風、用於示意動作或圖形輸入之觸敏螢幕、鍵盤、滑鼠、運動輸入、語音等等。輸出裝置735亦可為熟習此項技術者所知的數個輸出機構中之一或多者。在一些例子中，多模式系統可使使用者能夠提供多個類型之輸入以與計算裝置700通信。通信介面740通常可掌控及管理使用者輸入及系統輸出。對於對任何特定硬體配置之操作不存在限制，且因此，此處之基本特徵可易於隨著其發展而由改良型硬體或韌體配置替代。

儲存裝置730為非揮發性記憶體且可為硬碟或可儲存可由電腦存取之資料的其他類型之電腦可讀媒體，諸如，匣式磁帶、快閃記憶卡、固態記憶體裝置、數位多功能光碟、卡匣、隨機存取記憶體(RAM)725、唯讀記憶體(ROM)720及其混合體。

儲存裝置730可包括用於控制處理器710之軟體模組732、734、 736。預期其他硬體或軟體模組。儲存裝置730可連接至系統匯流排705。在一個態樣中，執行特定功能之硬體模組可包括儲存於電腦可讀媒體中的結合必要硬體組件(諸如，處理器710、匯流排705、顯示器735等等)以實行該功能之軟體組件。

圖7B說明具有晶片組架構之電腦系統750，其可用於執行所描述方法及產生並顯示圖形使用者介面(GUI)。電腦系統750為可用以實施所揭示技術之電腦硬體、軟體及韌體之實例。系統750可包括處理器755，其代表任何數目個能夠執行經組態以執行所識別的計算之軟體、韌體及硬體的實體及/或邏輯上相異之資源。處理器755可與可控制至處理器755之輸入及來自處理器755之輸出的晶片組760通信。在此實例中，晶片組760將資訊輸出至輸出765(諸如顯示器)，且可讀取資訊並將其寫入至儲存裝置770，儲存裝置770可包括(例如)磁性媒體及固態媒體。晶片組760亦可自RAM 775讀取資料及將資料寫入至RAM 775。可提供用於與多種使用者介面組件785介接之橋接器780以用於與晶片組760介接。此等使用者介面組件785可包括鍵盤、麥克風、觸摸偵測及處理電路、指標裝置(諸如滑鼠)等等。一般而言，至系統750之輸入可來自機器產生及/或人類產生之多種源中之任一者。

晶片組760亦可與可具有不同實體介面之一或多個通信介面790介接。此等通信介面可包括用於有線及無線區域網路、用於寬頻無線網路以及個人區域網絡之介面。本文中所揭示的用於產生、顯示及使用GUI之方法的某些應用可包括經由實體介面接收有序資料集或可藉由處理器755分析儲存於儲存器770或775中之資料而由機器本身產生。此外，機器可經由使用者介面組件785自使用者接收輸入並藉由使用處理器755解譯此等輸入而執行適當功能，諸如瀏覽功能。

可瞭解，例示性系統700及750可具有一個以上處理器710或可為以網路方式連接在一起的計算裝置之群組或叢集之部分以提供更強處 理能力。

為了解釋清楚起見，在一些例子中，本技術可被呈現為包括個別功能區塊，其包括包含裝置、裝置組件、體現於軟體中之方法中之步驟或常式或硬體與軟體之組合的功能區塊。

在一些實施例中，電腦可讀儲存裝置、媒體及記憶體可包括含有位元串流之纜線或無線信號及其類似者。然而，非暫時性電腦可讀儲存媒體在被提及時明確地不包括諸如能量、載波信號、電磁波及信號本身之媒體。

可使用所儲存或可以其他方式自電腦可讀媒體得到的電腦可執行指令來實施根據上述實例之方法。此等指令可包含(例如)使或以其他方式組態一般用途電腦、特殊用途電腦或特殊用途處理裝置來執行某一功能或功能群組之指令及資料。所使用之電腦資源之部分可經由網路來存取。電腦可執行指令可為(例如)二進位、諸如組合語言之中間格式指令、韌體或原始程式碼。可用以儲存指令、所使用資訊及/或在根據所述實例之方法期間建立之資訊的電腦可讀媒體之實例包括磁碟或光碟、快閃記憶體、具備非揮發性記憶體之USB裝置、網路連接之儲存裝置等等。

實施根據此等揭示內容之方法的裝置可包含硬體、韌體及/或軟體，且可採用多種外觀造型規格之任一者。此等外觀造型規格之典型實例包括膝上型電腦、智慧型手機、小外觀造型規格之個人電腦、個人數位助理等等。本文中所描述之功能性亦可體現於周邊裝置或附加卡中。進一步舉例而言，此功能性亦可實施於電路板上的不同晶片間或在單一裝置中執行之不同程序上。

該等指令、用於傳遞此等指令之媒體、用於執行該等指令之計算資源及用於支援此等計算資源之其他結構為用於提供此等揭示內容中所描述之功能之構件。

儘管使用多種實例及其他資訊來解釋在附加申請專利範圍之範疇內的態樣，但不應基於此等實例中之特定特徵或配置而暗示對申請專利範圍之任何限制，因為一般技術者將能夠使用此等實例導出廣泛多種實施。此外，儘管可能已用特定針對結構特徵及/或方法步驟之實例的語言描述了某一標的，但將理解，附加申請專利範圍中所定義之標的未必限於此等所描述之特徵或動作。舉例而言，此功能性可以不同方式分散或在不同於本文中所識別之組件的組件中執行。實情為，所描述特徵及步驟係作為在附加申請專利範圍之範疇內的系統及方法之組件之實例而揭示。

100‧‧‧媒體站產生系統

101‧‧‧媒體項目及統計資料庫

102‧‧‧媒體項目後設資料資料庫

103‧‧‧媒體相似性資料庫

104‧‧‧使用者偏好資料庫

105‧‧‧媒體項目候選者模組

106‧‧‧用於媒體站之媒體項目

107‧‧‧約束條件引擎

108‧‧‧使用者回饋

109‧‧‧以群體為基礎之相似性資料庫

110‧‧‧合作篩選程式

111‧‧‧以特徵為基礎之分析模組

112‧‧‧站產生規則/站產生規則資料庫

113‧‧‧種子媒體項目

114‧‧‧站建立模組

115‧‧‧編輯候選者資料庫

120‧‧‧偏好試探法模組

Claims (22)

1. 一種藉由一媒體站產生系統產生用於一特定使用者之媒體站的電腦實施方法，該方法包含：藉由一處理器在一離線程序分析該特定使用者的媒體櫃(library)及媒體項目體驗歷史來產生一使用者偏好資料庫，及產生媒體項目之一線上商店資料庫，該線上商店資料庫以該特定使用者藉由一線上商店之購買物為目標，其中該媒體項目體驗歷史包括關於在該特定使用者所擁有的媒體櫃之內的媒體項目體驗資料、藉由該媒體站產生系統呈現給該使用者的媒體項目以及在該線上商店內體驗的媒體項目的資料；藉由一處理器在一離線程序根據其固有特性來分析媒體項目，以判定媒體項目相對於其他媒體項目的相似性以產生媒體項目相似性資料的一相似性資料庫；產生媒體項目候選者之一編輯資料庫，該等媒體項目候選者經一編輯者批准為候選者；藉由一處理器在一線上程序根據一程式化模型來執行一媒體站產生規則以產生一媒體站，該程式化模型具有多個程式化槽及分別分配給每一程式化槽的複數個媒體選擇規則，其中該複數個媒體選擇規則自下列中至少兩者中選擇至少一候選者：該相似性資料庫、該編輯資料庫以及該線上商店資料庫；及根據該使用者偏好準則來加權候選者。
2. 如請求項1之方法，其中該相似性資料庫係自一叢集程序產生。
3. 如請求項1之方法，其中加權之步驟係為了符合除了該使用者偏好準則以外的各別媒體選擇規則而對候選者加權。
4. 如請求項1之方法，其中該媒體項目體驗歷史包括關於一最後體 驗之新近的日期，且加權之步驟相較於其他媒體項目對於該使用者較近體驗之媒體項目給予一較高權重。
5. 如請求項1之方法，其進一步包含：藉由一處理器分析若干媒體項目之使用者擁有權之一總體以判定在使用者媒體櫃之一總體中多常共同出現該等媒體項目，且產生一合作篩選程式資料庫以儲存該等媒體項目之使用者擁有權之該總體的分析結果。
6. 一種電腦實施方法，其包含：藉由一處理器產生媒體項目候選者之集合，其中該等集合之至少一者包括基於其固有特性被認為類似的媒體項目；藉由一處理器分析與一使用者設定檔相關聯的資料來推斷使用者偏好準則，該使用者設定檔包括表示儲存於一使用者的媒體櫃的媒體項目的資料、線上商店購買資料及使用者體驗資料；藉由一處理器根據一第一媒體選擇規則來從媒體項目候選者之該等集合中選擇一第一複數個媒體項目；及藉由一處理器根據每一候選者對應於經推斷之該使用者偏好準則之一者來加權該第一複數個媒體項目候選者。
7. 如請求項6之方法，其中經推斷之該使用者偏好準則之該者包括一最近體驗準則，且較近體驗的媒體項目給予一較高權重。
8. 如請求項6之方法，其中經推斷之該使用者偏好準則之該者包括一週期偏好準則，且當媒體項目由該週期偏好準則所指示的一偏好週期之期間所發佈時，則基於一媒體選擇規則所選擇的媒體項目係給予一較高權重，該媒體選擇規則經組態以其分類為基礎而選擇該第一複數個媒體項目作為屬於一內容類型。
9. 如請求項6之方法，其中經推斷之該使用者偏好準則之該者包括 一週期偏好準則，當媒體項目由該週期偏好準則所指示的一偏好週期之期間所發佈時，則基於一媒體選擇規則所選擇的媒體項目係給予一較高權重，該媒體選擇規則經組態以藉由一規定的演出者(artist)所編著為基礎來選擇該第一複數個媒體項目。
10. 如請求項6之方法，其中經推斷之該使用者偏好準則包括一媒體櫃適配準則，且最接近匹配該媒體櫃配合準則的該第一複數個媒體項目之各者係給予一較高權重。
11. 如請求項10之方法，其中該媒體櫃適配準則係藉由下列各者所判定：叢集儲存於一使用者的媒體櫃的該等項目；將具有最大比例且包含於其中的媒體項目之叢集作為一最佳適配向量，藉此一或多個最佳適配向量為若干代表媒體項目，該等代表媒體項目對於一使用者的媒體櫃為一最佳適配。
12. 如請求項11之方法，其中最接近匹配該媒體櫃適配準則的該第一複數個媒體項目之各者係藉由比較表示該第一複數個媒體項目之各者之每一者的一向量及該一或多個最佳適配向量，並藉由加權在表示其本身之該向量及該等最佳適配向量之一者之間具有最小距離之該等媒體項目而判定，該等最佳適配向量之該一者較高於在表示其本身之向量及該最佳適配向量之一者之間具有一較大距離之其他最佳適配向量。
13. 一種產品，其包含：一電腦可讀媒體；及儲存於該電腦可讀媒體上之一電腦可讀指令，該電腦可讀指令在執行時可有效地使一電腦進行以下操作：藉由一處理器在一離線程序分析該特定使用者之媒體櫃及媒體項目體驗歷史以產生一使用者偏好資料庫，及產生媒體項目 之一線上商店資料庫，該線上商店資料庫以該特定使用者藉由一線上商店之購買物為目標，其中該媒體項目體驗歷史包括關於在該特定使用者所擁有的媒體櫃之內的媒體項目體驗資料、藉由該媒體站產生系統呈現給該使用者的媒體項目以及在該線上商店內體驗的媒體項目的資料；藉由一處理器在一離線程序根據其固有特性來分析媒體項目，以判定媒體項目相對於其他媒體項目的相似性以產生媒體項目相似性資料的一相似性資料庫；產生媒體項目候選者之一編輯資料庫，該等媒體項目候選者經一編輯者批准為候選者；藉由一處理器在一線上程序根據一程式化模型來執行一媒體站產生規則以產生一媒體站，該程式化模型具有多個程式化槽及分別分配給每一程式化槽的複數個媒體選擇規則，其中該複數個媒體選擇規則自下列中至少兩者中選擇至少一候選者：該相似性資料庫、該編輯資料庫以及該線上商店資料庫；及根據該使用者偏好準則來加權候選者。
14. 如請求項13之產品，其中該相似性資料庫係自一叢集程序產生。
15. 如請求項13之產品，其中加權之步驟係為了符合除了該使用者偏好準則以外的各別媒體選擇規則而對候選者加權。
16. 如請求項13之產品，其中該媒體項目體驗歷史包括關於一最後體驗之新近的日期，且加權之步驟相較於其他媒體項目對於該使用者較近體驗之媒體項目給予一較高權重。
17. 如請求項13之產品，其進一步包含：藉由一處理器分析若干媒體項目之使用者擁有權之一總體以判定在使用者媒體櫃之一總體中多常共同出現該等媒體項目， 且產生一合作篩選程式資料庫以儲存該等媒體項目之使用者擁有權之該總體的分析結果。
18. 一種計算系統，其包含：一或多個電腦處理器；及一記憶體，其包含若干指令，當該等指令被該一或多個電腦處理器執行時，將使該計算系統執行下列操作：在一離線程序分析該特定使用者之媒體櫃及媒體項目體驗歷史以產生一使用者偏好資料庫，及產生媒體項目之一線上商店資料庫，該線上商店資料庫以該特定使用者藉由一線上商店之購買物為目標，其中該媒體項目體驗歷史包括關於在該特定使用者所擁有的媒體櫃之內的媒體項目體驗資料、藉由該媒體站產生系統呈現給該使用者的媒體項目以及在該線上商店內體驗的媒體項目的資料；在一離線程序根據其固有特性來分析媒體項目，以判定媒體項目相對於其他媒體項目的相似性以產生媒體項目相似性資料的一相似性資料庫；產生媒體項目候選者之一編輯資料庫，該等媒體項目候選者經一編輯者批准為候選者；在一線上程序根據一程式化模型來執行一媒體站產生規則以產生一媒體站，該程式化模型具有多個程式化槽及分別分配給每一程式化槽的複數個媒體選擇規則，其中該複數個媒體選擇規則自下列中至少兩者中選擇至少一候選者：該相似性資料庫、該編輯資料庫以及該線上商店資料庫；及根據該使用者偏好準則來加權候選者。
19. 如請求項18之系統，其中該相似性資料庫係自一叢集程序產 生。
20. 如請求項18之系統，其中加權之步驟係為了符合除了該使用者偏好準則以外尚有的各別媒體選擇規則而對候選者加權。
21. 如請求項18之系統，其中該媒體項目體驗歷史包括關於一最後體驗之新近的日期，且加權之步驟相較於其他媒體項目對於該使用者較近體驗之媒體項目給予一較高權重。
22. 如請求項18之系統，其中該等指令進一步使該計算系統執行下列操作：分析若干媒體項目之使用者擁有權之一總體以判定在使用者媒體櫃之一總體中多常共同出現該等媒體項目，且產生一合作篩選程式資料庫以儲存該等媒體項目之使用者擁有權之該總體的分析結果。