CN101452474A - 信息处理设备、信息处理终端、信息处理方法以及程序 - Google Patents

信息处理设备、信息处理终端、信息处理方法以及程序 Download PDF

Info

Publication number
CN101452474A
CN101452474A CNA2008101789739A CN200810178973A CN101452474A CN 101452474 A CN101452474 A CN 101452474A CN A2008101789739 A CNA2008101789739 A CN A2008101789739A CN 200810178973 A CN200810178973 A CN 200810178973A CN 101452474 A CN101452474 A CN 101452474A
Authority
CN
China
Prior art keywords
content
expression
user
information
evaluation index
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CNA2008101789739A
Other languages
English (en)
Inventor
斋藤真里
山本则行
宫嵜充弘
浅野康治
柏谷辰起
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sony Corp
Original Assignee
Sony 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 Sony Corp filed Critical Sony Corp
Publication of CN101452474A publication Critical patent/CN101452474A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • 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
    • G06F16/41—Indexing; Data structures therefor; Storage structures
    • 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
    • G06F16/432—Query formulation
    • G06F16/433—Query formulation using audio data
    • 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
    • G06F16/432—Query formulation
    • G06F16/434—Query formulation using image data, e.g. images, photos, pictures taken by a user
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Mathematical Physics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

一种信息处理设备，连接到多个信息处理终端，在所述多个信息处理终端中检测用户在内容回放过程中表现出的多类表情、获得对每个回放内容的评价、在检测到的多类表情中识别出用户在高评价内容的回放过程中表示的作为高评价指标的预定表情、并且发送作为所识别的高评价指标的表情信息和表达对每个内容的评价的信息。所述信息处理设备包括：接收单元，用于接收从多个信息处理终端发送的作为所述高评价指标的表情信息；用户识别单元，用于识别对同一内容表示相似高评价指标的表情的用户；推荐内容识别装置，用于将所识别的对于其他相似用户来说具有高评价的内容识别为推荐内容；以及发送单元。

Description

信息处理设备、信息处理终端、信息处理方法以及程序
相关申请的交叉援引
本申请包含与于2007年12月3日向日本专利局提交的日本专利申请JP2007-312569有关的主题内容，该日本专利申请的全部内容通过引用结合于此。
技术领域
本发明涉及信息处理设备、信息处理终端、信息处理方法以及程序，并且具体地涉及可以在收看/收听过程中考虑到表情(expression)而做出内容推荐的信息处理设备、信息处理终端、信息处理方法以及程序。
环境技术
有一种技术，其中基于多个用户的购物历史和活动历史，可以识别表现出与目标用户相似的反应的其他用户，并且根据所识别的其他用户的历史，可以向目标用户推荐目标用户尚未体验的内容。这样的技术称为协同过滤(collaborative filtering)(参见P.Resnick、N.Iacovou、M.Suchak、P.Bergstrom以及J.Reid的1.“Group Lens？：Open Architecture forCollaborative Filtering of Netnews”，Conference onComputer SupportedCooperative Work，第175-186页，1994年)。这样，目标用户就可以接收对目标用户本身尚未收看或者收听的、并且表现出相似反应的其他用户已经购买和高度评价的内容的推荐。
发明内容
协同过滤对于用户决定比如购物而言是有效的，但是对于推荐比如比如内容的商品而言未必有效，使用该商品的用户对该内容的反应以时间序列的方式改变。
例如，作为基础的另一用户在选择推荐内容时的反应是比如“喜欢”、“既不喜欢也不讨厌”和“讨厌”这样的对所述内容的最终反应，而并未考虑到如何得出对内容的最终反应，比如喜欢内容的哪一部分而讨厌哪一部分。
另外，收看/收听内容的用户的表情也容易受环境(状况)影响，比如在多个用户在家庭客厅中的状况下收看/收听内容的情况下，用户可能更多地发笑，或者在独自收看/收听内容的情况下，用户可能更多地自言自语，但是这些也未被考虑到。
如果在考虑到用户在收看/收听内容过程中如何得出对内容的最终反应或者表情时执行协同过滤，并且可以执行内容推荐，则可以认为协同过滤有效地用于提供推荐。
已经认识到需要在考虑到在收看/收听过程中的用户表情时实现内容推荐。
根据本发明的实施例，一种信息处理设备，连接到多个信息处理终端，在所述多个信息处理终端中检测用户在内容回放过程中表现出的多类表情、获得对每个回放内容的评价、在检测到的所述多类表情中识别出用户在高评价内容的回放过程中表示的作为高评价指标的预定表情、并且发送作为所识别的高评价指标的表情信息和表达对每个内容的评价的信息，所述信息处理设备包括：接收单元，配置用以接收从多个信息处理终端发送的作为所述高评价指标的表情信息和表达对每个内容的评价的信息；用户识别单元，配置用以基于由接收单元接收的信息所表达的作为所述高评价指标的表情，来识别对同一内容表示相似高评价指标的表情的用户；推荐内容识别单元，配置用以基于由所述接收单元接收的信息所表达的评价，将由所述用户识别单元识别的、并且对于表现出与请求内容推荐的用户相似的高评价指标表情的其他用户来说具有高评价的内容识别为推荐内容；以及发送单元，配置用以向请求内容推荐的所述用户所使用的信息处理终端发送由所述推荐内容识别单元识别出的推荐内容信息。
接收单元可以被布置成还接收从所述多个信息处理终端发送的表达内容收看/收听历史的信息，并且其中所述推荐内容识别单元将请求内容推荐的所述用户尚未体验的、并且对于所述其他用户是高评价内容的内容识别为推荐内容。
用户识别单元可以被布置成还基于从所述接收单元接收的信息所表达的每个信息处理终端的用户对内容的评价，来识别具有相似评价的用户。
所述推荐内容识别装置可以被布置成还参照对所述高评价内容表现出相似高评价指标表情的用户的高评价指标表情，来识别对于对内容的评价相似的用户而言为高评价的整个内容中的高评价部分
接收单元可以被布置成接收从所述多个信息处理终端发送的、由所述多个信息处理终端识别的、在内容回放过程中针对每个环境作为所述高评价指标的表情信息，以及表示对每个内容的评价的信息，并且其中所述用户识别单元基于针对每个环境作为所述高评价指标的表情来识别对同一内容表现出相似高评价指标表情的用户。
根据本发明的一个实施例，一种信息处理方法或者程序包括以下步骤：接收从多个信息处理终端发送的作为高评价指标的表情信息和表达对每个内容的评价的信息；基于所接收的信息所表达的作为所述高评价指标的表情，来识别对同一内容表示相似高评价指标的表情的用户；基于所接收的信息所表达的评价，将对表现出与请求内容推荐的用户相似的高评价指标表情的其他用户来说具有高评价的内容识别为推荐内容；以及向请求内容推荐的所述用户所使用的信息处理终端发送所识别的推荐内容信息。
根据上述配置，可以进行如下布置，其中接收从多个信息处理终端发送的作为高评价指标的表情信息和表达对每个内容的评价的信息，并且基于所接收的信息所表达的作为高评价指标的表情，来识别对同一内容表现出相似高评价指标表情的用户。另外，基于所接收的信息所表达的评价，将对于表现出与所识别的请求内容推荐的用户相似的高评价指标表情的其他用户来说具有高评价的内容识别为推荐内容，并且向请求内容推荐的用户所使用的信息处理终端发送推荐内容信息。
根据本发明的一个实施例，一种信息处理终端包括：表情检测单元，配置用以检测用户在内容回放过程中表现出的多类表情；识别单元，配置用以获得对已经回放的每个内容的评价，以及在所述表情检测单元所检测的所述多类表情中识别用户在高评价内容回放过程中表现出的作为高评价指标的预定表情；以及发送单元，配置用以发送所述识别单元所识别的作为高评价指标的表情信息和表达对每个内容的评价的信息。
信息处理终端还可以包括：接收单元，配置用以接收从所述信息处理设备发送的推荐内容信息；以及推荐单元，配置用以基于所述接收单元所接收的信息，向所述用户显示推荐内容。
信息处理终端还可以包括：环境识别单元，配置用以在内容回放过程中识别环境。所述环境识别单元可以针对所述环境识别单元所识别的每个环境，从多类表情中识别所述用户在高评价内容回放过程中表现出的作为高评价指标的预定表情。
根据本发明的一个实施例，一种信息处理方法包括以下步骤：检测用户在内容回放过程中表现出的多类表情；获得对每个回放内容的评价；从检测到的多类表情中识别所述用户在高评价内容的回放过程中表现出的作为高评价指标的预定表情；以及向信息处理设备发送作为所识别的高评价指标的表情信息和表达对每个内容的评价的信息。
根据上述配置，可以进行如下布置，其中检测用户在内容回放过程中表现出的多类表情，并且获得对每个回放内容的评价。另外，从检测到的多类表情中识别用户在高评价内容回放过程中表现出的作为高评价指标的预定表情，并且向信息处理设备发送作为所识别的高评价指标的表情信息和表达对每个内容的评价的信息。
根据上述配置，可以考虑到在内容回放过程中的表情来执行内容推荐。
附图说明
图1是图示了根据本发明实施例的内容推荐***的配置例子的框图；
图2是图示了在内容回放过程中的状态的示图；
图3是图示了表情的时间序列数据例子的示图；
图4是图示了在表情信息数据库中存储的信息例子的示图；
图5是图示了对内容的用户评价和收看/收听历史例子的示图；
图6是图示了高评价指标的表情的时间序列数据例子的示图；
图7是图示了高评价部分的识别例子的示图；
图8是描述了客户机的内容回放处理的流程图；
图9是描述了客户机的高评价指标识别处理的流程图；
图10是描述了服务器的接收处理的流程图；
图11是描述了服务器的内容推荐处理的流程图；
图12是描述了客户机的推荐结果显示处理的流程图；
图13是图示了元数据例子的示图；
图14是图示了内容推荐***的另一配置例子的框图；
图15是图示了在内容回放过程中的状态的另一个示图；
图16是图示了表情的时间序列数据例子的示图；
图17是描述了客户机的内容回放处理的流程图；
图18是描述了客户机的高评价指标识别处理的流程图；
图19是描述了客户机的推荐结果显示处理的流程图；以及
图20是图示了计算机的硬件配置例子的框图。
具体实施方式
图1是示出了与本发明的实施例有关的内容推荐***的配置例子的框图。如图1中所示，内容推荐***由经由网络如因特网连接的客户机1和服务器2构成。
客户机1由表情信息处理单元11、内容数据库12、表情信息处理单元13、表情信息数据库14、发送单元15、接收单元16以及内容推荐单元17组成。另一方面，服务器2由接收单元21、表情信息数据库22、相似模式组识别单元23、推荐内容识别单元24、内容数据库25以及发送单元26组成。
如后文所述，利用服务器2进行布置，在该布置中在内容回放过程中表现出相似表情的用户组被识别，并且根据接收推荐的客户机1的用户来推荐获得与客户机1的用户属于同一组的其他用户的高评价的内容。也就是说，服务器2是用以通过协同过滤来执行内容推荐的设备。除了客户机1之外，服务器2还经由网络而连接到具有与客户机1的配置相似的配置的多个终端。
“表情”是可以通过图像或者音频来外部识别的用户响应，比如脸部表情如微笑或者皱眉、说话如自言自语或者保持对话、动作如鼓掌、摇摆或者轻叩、或者身体姿势如将肘部放置于桌上或者上体倾斜。基于此类表情的时间序列数据，在服务器2将用户划分成组等。
客户机1的表情检测单元11在比如电影或者电视节目这样的内容的回放过程中，基于通过拍摄收看/收听内容的用户而获得的图像和通过收集音频而获得的用户声音，按预定间隔来检测用户所表现出的多类表情。
图2是示出了在内容回放过程中的状态的示图。在图2中的例子中，电视接收机31、麦克风32以及摄像装置33连接到客户机1。麦克风32的方向性和摄像装置33的拍摄范围面向客户机1的用户，该用户处于电视接收机31的前方并且坐在特定座椅上收看/收听内容。
客户机1回放的内容的画面显示于电视接收机31上，并且内容的音频从电视接收机31的扬声器输出。麦克风32所收集的用户声音和摄像装置33所拍摄的用户图像被供应到客户机1。
例如，就上述笑脸而言，从摄像装置33所拍摄的图像中检测到用户的脸部范围，并且通过执行从检测到的脸部所提取的特征与预先预备的笑脸特征的匹配来检测笑脸。利用表情检测单元11来获得示出用户具有笑脸的时刻和微笑程度(放声大笑、露齿而笑等)的时间序列数据。
类似地，就上述皱眉的脸部而言，从摄像装置33所拍摄的图像中检测到用户的脸部范围，并且通过执行从检测到的脸部所提取的特征与预先预备的皱眉的脸部的匹配来检测皱眉的脸部。利用表情检测单元11来获得示出用户具有皱眉脸部的时刻和皱眉程度的时间序列数据。
就比如自言自语或者保持对话这样的说话而言，通过执行对麦克风32所收集的音频的说话者识别来识别说话者，并且识别所收集的音频是客户机1的用户在自言自语还是与其与一起收看/收听内容的另一用户的对话，由此检测说话。利用表情检测单元11来获得示出用户说话时序和作为说话程度的音量的时间序列数据。
基于麦克风32所收集的声音来检测鼓掌。利用表情检测单元11来获得示出用户鼓掌时序和作为鼓掌程度的强度等的时间序列数据。
还基于麦克风32和摄像装置33所获得的数据来检测其他表情。可以设置对表情的检测，使得从麦克风32和摄像装置33获得的数据暂时地记录于记录介质上，然后对记录的数据执行检测，或者可以每当数据从麦克风32和摄像装置33被供应时实时执行检测。
图3是示出表情检测单元11所检测的表情的时间序列数据例子的示图。图3从图顶部依次示出微笑、皱眉、鼓掌和自言自语的时间序列数据。水平轴表示时间而竖直轴表示程度。
表情检测单元11向表情信息处理单元13输出表情信息，所述表情信息是这样检测到的表情的时间序列数据。利用客户机1回放多个内容并且针对回放的每个内容获得比如图3中所示这样的表情信息。
利用表情信息处理单元13，读出和回放内容数据库12中存储的内容，并且向电视接收机31输出内容的画面或者音频。表情信息处理单元13获得在内容回放过程中从表情检测单元11相继供应的表情信息，并且将这种表情信息存储于表情信息数据库14中。另外，表情信息处理单元13还获得内容的用户评价。例如，在一个内容的回放结束时，根据用户来请求输入评价。用户通过操作遥控器或者鼠标等来输入评价。
表情信息处理单元13将获得的用户评价与表情信息对应，并且将其存储于表情信息数据库14中。表情信息数据库14针对多个回放内容中的每个内容，具有用户评价和在内容回放过程中获得的表情信息。
图4是示出了在表情信息数据库14中存储的信息例子的示图。就图4中的例子而言，对内容的评价是5级评价，并且设置了表达对每个内容的评价的数字。假设5代表最高评价而1代表最低评价。
对内容A的评价是5，并且对其的评价与在内容A回放过程中检测到的微笑、皱眉、鼓掌和自言自语的时间序列数据被关联并存储。
另外，对内容B的评价是2，并且对其的评价与在内容B回放过程中检测到的微笑、皱眉、鼓掌和自言自语的时间序列数据被关联和存储。类似地，针对内容C、内容D和内容E，对每个内容的评价与在回放过程中检测到的表情的时间序列数据被关联和存储。
回到对图1的描述，表情信息处理单元13基于表情信息数据库14中存储的信息来识别作为高评价内容特征的表情，并且将所识别的表情设置为高评价指标表情。例如，表情信息处理单元13着重于在5级评价中具有评价5的内容的表情信息，将具有评价5的内容的表情信息与受到除了5级评价之外评价的内容表情信息做比较，并且识别明显频繁地包括在感兴趣的表情信息中的表情。
在收看/收听内容时表示愉悦的表情可能因用户而不同，例如某一用户可能在收看/收听该用户发觉有趣(高评价)的内容时经常发笑，而另一用户可能在收看/收听该用户发觉有趣的内容时经常鼓掌。利用表情信息处理单元13，将客户机1的用户与客户机1的用户在收看/收听用户发觉有趣的内容时经常表现出的表情联系在一起。
具体而言，表情信息处理单元13针对全部内容将N类表情的时间序列数据标准化(z-转换)，并且找到每个表情的代表值。代表值是从每个标准化和获得的表情的时间序列数据中获得的，并且例如可以是程度的最大值、示出与作为阈值的固定值相等或者比该固定值更大的值被检测到的频率的值、示出与作为阈值的固定值相等或者比该固定值更大的值被持续检测到的时间的值等。
另外，表情信息处理单元13还比较从高评价内容的表情信息中获得的每个表情的代表值与从无高评价的内容的表情信息中获得的每个表情的代表值，并且具有明显差异的代表值标识从高评价内容的表情信息中发现的表情。可以通过使用比如统计显著性这样的标准或者比如该值超出20％等特定比率的差异来进行对明显差异的确定。
在图4中例子的情况下，对于内容A至E中的每个内容，获得微笑的时间序列数据的代表值、皱眉的时间序列数据的代表值、鼓掌的时间序列数据的代表值和自言自语的时间序列数据的代表值
另外，在从作为高评价内容的内容A和内容D情况下的表情时间序列数据中获得的代表值中，获得在与从内容B、C和E情况下的表情时间序列数据获得的代表值相比时具有明显差异的代表值，并且将具有此类代表值的表情识别为高评价指标的表情。
识别为高评价指标的表情可以是一类或者可以是多类。另外，这里不通过比较从时间序列数据中获得的代表值来识别表情，而是将时间序列模式作为变化模式来处理，并且可以通过对时间序列模式执行数据挖掘来识别高评价指标的表情。例如在E.Keogh和S.Kasetty的“On the Need forTime Series Data Mining Benchmarks：A Survey and EmpiricalDemonstration”，Data Mining and Knowledge Discovery，第7卷，第349-371页(2003年)中描述了对时间序列模式的数据挖掘。
这样识别的高评价指标的表情信息和示出对每个内容的用户评价的信息从表情信息处理单元13供应到发送单元15。
发送单元15将从表情信息处理单元13供应的高评价指标的表情信息以及示出对每个内容的用户评价和用户收看/收听历史的信息发送到服务器2。
接收单元16接收从服务器2发送的推荐内容信息，并且向内容推荐单元17输出所接收的信息。
内容推荐单元17基于从接收单元16供应的信息来将由服务器2识别的推荐内容显示到电视接收机31等，并且将该推荐内容呈现给用户。
除了总体信息如推荐内容的标题和购买源之外，对于客户机1的用户来说可能具有高评价的推荐内容的一部分(情景)的缩略图像也作为推荐内容信息被显示。利用服务器2，可以识别对于客户机1的用户来说可能具有高评价的推荐内容的一部分。
服务器2的接收单元21接收从客户机1的发送单元15发送的高评价指标的表情信息以及示出对每个内容的用户评价和用户收看/收听历史的信息，并且将接收的信息存储于表情信息数据库22中。
如上所述，服务器2连接到具有与客户机1的配置相似的配置的多个终端。通过接收从每个终端发送的信息，在表情信息数据库22中存储针对每个用户作为高评价指示的表情的表情信息以及对每个内容的用户评价和用户收看/收听历史。
相似模式组识别单元23基于表情信息数据库22中存储的信息所示出的用户评价来识别具有相似评价的用户。例如，例如通过获得对同一内容的评价的匹配程度并且将获得的匹配程度与阈值做比较，来确定评价是否相似。
图5是示出了对每个内容的用户评价和用户收看/收听历史的例子的示图。图5示出了用户1至5的对内容A至G的评价和收看/收听历史。假设用户1是客户机1的用户。在图5中，圆圈表示已经完成收看/收听并且有高评价，而X表示已经完成收看/收听但是无高评价。空的单元表示用户尚未执行收看/收听的未尝试内容。
例如，用户1已经收看/收听内容A、B和E，并且已经对内容A和E给予了高评价，而尚未对内容B给予高评价。另外，用户2已经收看/收听内容A、D、E和F，并且已经对内容A、D和E给予了高评价，而尚未对内容F给予高评价。用户3已经收看/收听内容A、D、E、F和G，并且已经对内容A、D、E和G给予了高评价，而尚未对内容F给予高评价。在这一情况下，用户1到3已经对作为相同内容的内容A和E给予了高评价，并且由于匹配程度高，所以将这些用户识别为具有相似评价。
回到图1中的描述，相似模式组识别单元23基于表情信息数据库22中存储的表情信息来识别对同一内容具有相似模式的高评价指标表情时间序列数据的用户组。即使用户具有不同类型的高评价指标表情，但是如果时间序列模式数据相似，则用户仍属于同一组。
属于同一组的用户可以具有不同表达方法，但是是在同一内容回放过程中对同一部分(情景)具有相似表情程度的用户，即是对于同一类部分感觉愉悦、感觉非常愉悦或者感觉无动于衷的用户。
例如通过关于时间序列数据模式以预定方法执行聚类(clustering)或者获得时间序列数据模式之间的关联，来确定高评价指标表情的时间序列数据模式是否相似。
图6是示出了对内容A的高评价指标表情的时间序列数据例子的示图。图6中的例子示出了用户1到3的高评价指标表情的时间序列数据模式。作为客户机1用户的用户1是具有微笑的高评价指标的用户。用户2是具有鼓掌的高评价指标的用户，而用户3是具有微笑的高评价指标的用户。
在用户1到3的高评价指标表情的时间序列数据模式是比如图6中所示那样的情况下，用户1的高评价指标表情的时间序列数据模式和用户2的高评价指标表情的时间序列数据模式相似，由此用户1和用户2是属于同一组的用户。下文中在适当之处，其高评价指标表情的时间序列数据模式对同一内容相似的用户组将称为相似模式组。
在内容A回放过程中，即使在相似部分过程中，用户1发笑而用户2鼓掌。用户1的发笑程度和用户2的鼓掌程度如果被标准化则变为相似程度。
另一方面，用户1和用户3不是同一相似模式组中的用户，因而在内容A回放过程中，用户1和用户3在不同部分或者以不同程度发笑。
相似模式组识别单元23向推荐内容识别单元24输出这样识别的具有相似评价的用户的信息以及相似模式组的信息。
推荐内容识别单元24从表情信息数据库22中读出属于同一相似模式组的用户的高评价指标的时间序列数据，该时间序列数据由相似模式组识别单元23供应的信息所示出。推荐内容识别单元24参照读出的时间序列数据并且识别整个内容内具有高评价的部分，对于该部分，具有相似评价的用户已经给予高评价。
例如，在属于同一相似模式组的用户中大于固定数目的用户已经给予高评价的部分被识别为高评价部分。
图7是示出了具有高评价的部分的特定例子的示图。在图7的上部示出的带代表内容A，而下部的波形代表用户1对内容A的高评价指标的时间序列数据。在下部的水平方向上的虚线代表程度阈值。
例如，在如上所述的作为客户机1用户的用户1对内容A给予高评价的情况下，如图7中所示，在参照了用户1的高评价指标的时间序列数据的情况下，其中表情程度大于阈值的部分(如斜线所示)被识别为高评价部分。
通过参照作为用户1的属于同一相似模式组的用户的高评价指标的时间序列数据来执行对高评价部分的这种识别。在内容A中大于固定数目的用户已经给予高评价的部分变为属于同一相似模式组的任何用户可能会给予高评价的部分。
如上所述地参照属于同一相似模式组的用户的高评价指标的时间序列数据，并且针对每个内容来识别高评价部分。即使内容相同，但是如果相似模式组不同，则不同部分被识别为高评价部分。
另外，推荐内容识别单元24还基于从相似模式组识别单元23供应的信息来识别与接收内容推荐的客户机1的用户属于同一相似模式组的其他用户。
推荐内容识别单元24基于表情信息数据库22中存储的信息所示出的每个用户评价和收看/收听历史来识别客户机1的用户尚未体验的内容，该内容是所识别的其他用户已经给予高评价的、作为推荐内容的内容。
在获得了如图5中所示的评价和收看/收听历史的情况下，利用推荐内容识别单元24，将用户2和3识别为与作为客户机1用户的用户1具有相似评价的用户，并且将用户2识别为其中具有高评价指标的相似时间序列数据模式的用户，如图6中所示。
此外，用户1尚未体验的并且用户2已经给予高评价的内容D也被识别为推荐内容。具有与用户1相似的评价、但是具有高评价指标的不同时间序列数据模式的用户3已经给予高评价的内容G未被选为推荐内容。
推荐内容识别单元24从内容数据库25读出信息如标题、购买源和概况，同时读出如上所述地被识别的推荐内容高评价部分的前导帧的缩略图像。推荐内容识别单元24向发送单元26输出读出的信息。可以进行这样的布置，在该布置中未使用缩略图，而是将高评价部分联系在一起以生成推荐内容摘要并且输出生成的摘要。发送单元26向客户机1发送从推荐内容识别单元24供应的信息。
现在将描述在具有上述配置的客户机1与服务器2之间的处理。将先参照图8中的流程图来描述客户机1回放内容的处理。例如在用户指示回放预定内容时开始这一处理。
在步骤S1中，客户机1的表情信息处理单元13回放从内容数据库12读出的内容。
在步骤S2中，表情检测单元11基于来自麦克风32和摄像装置33的输出来检测收看/收听内容的用户的表情，并且向表情信息处理单元13输出表情信息。
在步骤S3中，表情信息处理单元13将从表情检测单元11供应的表情信息存储到表情信息数据库14。
在步骤S4中，表情信息处理单元13确定内容回放是否已经结束，在确定未结束的情况下流程返回到步骤S1，并且重复上述处理。
另一方面，在步骤S4中确定内容回放已经结束的情况下，在步骤S5中，表情信息处理单元13从用户获得对已经回放的内容的评价，并且将该评价与表情信息一起存储到表情信息数据库14。此后结束处理。
就以上描述而言，将用户输入的数字设置为对内容的评价，但是可以进行这样的布置，在该布置中对进行了可能表示高评价的操作的内容设置高评价。例如，可以对回放多次的内容、设置为防止删除的内容以及已经复制的内容设置高评价。
另外，可以进行这样的布置，在该布置中，对在元数据中包括与用户为了搜索内容而作为关键字输入的演员名字相同的词的内容设置高评价。向每个内容添加诸如标题、销售源、演员、概况等各种类型的元数据。
另外，可以进行这样的布置，在该布置中，在客户机1的用户已经从服务器2接收内容推荐的情况下，客户机1的用户接受推荐，并且对具有与进行了购买操作或者回放操作的内容的元数据相同的元数据的内容设置高评价。
接着，将参照图9中的流程图来描述客户机1识别高评价指标表情的处理。
在步骤S11中，表情信息处理单元13将表情信息数据库14中存储的每个表情时间序列数据标准化，并且获得每个表情的代表值。
在步骤S12中，表情信息处理单元13比较从高评价内容的表情信息中获得的表情的代表值与从无高评价的内容的表情信息中获得的表情的代表值，并且针对每个高评价内容而识别将作为高评价指标的表情。表情信息处理单元13向发送单元15输出所识别的高评价指标表情信息以及示出对每个内容的用户评价和用户收看/收听历史的信息。
在步骤S13中，发送单元15向服务器2发送从表情信息处理单元13供应的信息，并且结束处理。
在通过比较代表值未识别到将作为高评价指标的表情、并且包括了与既往用于搜索的关键词相同的词的情况下，可以进行这样的布置，在该布置中，在已经收看/收听的内容中作为特征的表情被识别为将作为高评价指标的表情。
另外，在客户机1的用户已经接收服务器2所推荐的内容的情况下，当已经收看/收听的内容中包括了与所推荐的内容的元数据相同的元数据时，可以进行这样的布置，在该布置中，在已经收看/收听的内容中作为特征的表情被识别为将作为高评价指标的表情。
接着，将参照图10中的流程图来描述服务器2接收从客户机1发送的信息的处理。
在步骤S21中，服务器2的接收单元21接收从客户机1发送的高评价指标表情信息以及示出对每个内容的用户评价和用户收看/收听历史的信息。
在步骤S22中，接收单元21将接收的信息存储于表情信息数据库22中，并且结束处理。
每当从具有与客户机1的配置相似的配置的终端发送信息时，执行上述处理。来自多个用户的高评价指标表情信息、对内容的评价以及收看/收听历史信息存储于服务器2的表情信息数据库22中。
接着，将参照图11中的流程图来描述服务器2执行内容推荐的处理。
在步骤S31中，相似模式组识别单元23基于表情信息数据库22中存储的用户评价和收看/收听历史信息来识别具有相似评价的用户。
在步骤S32中，相似模式组识别单元23识别由对同一内容具有相似高评价指标表情时间序列数据模式的用户组成的相似模式组。
在步骤S33中，推荐内容识别单元24参照属于同一相似模式组的用户的高评价指标的时间序列数据模式来识别整个内容中具有相似评价的用户给予高评价的高评价部分。
在步骤S34中，推荐内容识别单元24将客户机1的用户尚未体验的并且与客户机1的用户属于同一相似模式组的其他用户已经给予高评价的内容识别为推荐内容。推荐内容识别单元24向发送单元26输出推荐内容信息。
在步骤S35中，发送单元26向客户机1发送从推荐内容识别单元24供应的信息，并且结束处理。
接着，将参照图12中的流程图来描述客户机1接收从服务器2发送的信息并且显示推荐结果的处理。当根据客户机1的请求从服务器2发送推荐内容信息时开始这一处理。
在步骤S41中，客户机1的接收单元16接收从服务器2发送的推荐内容信息，并且将所接收的信息输出到内容推荐单元17。
在步骤S42中，内容推荐单元17在电视接收机31上显示从服务器2发送的推荐内容信息并且将该推荐内容信息呈现给用户。此后结束处理。
利用上述处理，服务器2可以考虑到每个用户表情来执行协同过滤，并且可以推荐内容。
就以上描述而言，已经使用通过参照属于同一相似模式组的用户的高评价指标的时间序列数据而识别的高评价部分来获得作为推荐内容信息的缩略图像或者生成摘要，但是可以进行这样的布置，在该布置中，向内容添加示出高评价部分的信息作为元数据。
因此，如图13中所示，向同一内容添加针对每个相似模式组示出不同部分的元数据。
在图13中，示出为突出部分A的向上箭头示出内容A的如下高评价部分，在该高评价部分中，参照和识别了属于作为同一相似模式组的组A的用户的高评价指标的时间序列数据；示出为突出部分B的向上箭头示出内容A的如下高评价部分，在该高评价部分中，参照和识别了属于组B的用户的高评价指标的时间序列数据。示出为突出部分C的向上箭头示出内容A的如下高评价部分，在该高评价部分中，参照和识别了属于组C的用户的高评价指标的时间序列数据。
因此，添加了对同一内容示出数目与相似模式组的数目相同的高评价部分的元数据。所添加的元数据可以用来基于向内容添加的元数据来执行CBF(基于内容的过滤)过滤，或者可以用来呈现相似内容。也就是说，不仅对内容进行了总体评价，而且按时间序列识别突出部分，并且可以呈现与用户匹配的突出部分。
另外，就以上描述而言，在客户机1执行对客户机1的用户的高评价指标的识别，但是可以进行这样的布置，在该布置中，在服务器2执行这一识别。在这一情况下，客户机1所获得的表情信息被发送到服务器2，并用来识别高评价指标。
图14是示出了内容推荐***的另一配置例子的框图。在图14中，相同标号用于与图1中所示配置相同的配置。将适当地省略重复的描述。
图14中的客户机1不同于图1中的客户机1的地方在于还具有环境识别单元18这一点。利用图14中的客户机1，上下文识别单元18识别在回放内容时的环境(状况)和在客户机1的用户接收内容推荐时的环境。
环境的差异可以包括某人在与谁一起收看/收听内容的差异(比如与她的丈夫一起收看/收听内容、与她的孩子一起收看/收听内容、独自收看/收听内容)以及进行收看/收听的房间的差异。也就是说，用户表情可能基于这样的环境差异而不同，由此不仅考虑到上述表情而且考虑到环境，并执行内容推荐等。还基于摄像装置33所拍摄的图像来识别环境的差异。
客户机1的表情检测单元11按预定间隔、针对收看/收听内容的每个用户、基于通过拍摄收看/收听内容的用户而获得的图像或者通过收集声音而获得的用户语音来检测用户做出的多类表情。
图15是示出了在内容回放过程中的状况的示图。就图15中的例子而言，用户1和用户2正一起收看/收听内容。在这一情况下，表情检测单元11检测用户1和用户2中每个用户的表情。
图16是示出了表情检测单元11所检测到的表情的时间序列数据例子的示图。就图16中的例子而言，针对用户1和用户2中的每个用户示出了微笑、皱眉、鼓掌和自言自语中每个表情的时间序列数据。
示出每个用户的表情的此类表情信息由表情检测单元11获得并且供应到表情信息处理单元13。
回到对图14的描述，环境识别单元18利用由摄像装置33拍摄的图像作为对象来执行图像识别，并且识别比如多少人在一起收看/收听内容以及用户在与谁一起收看/收听内容的环境。向环境识别单元18预先提供用于识别环境的信息。环境识别单元18向表情信息处理单元13输出示出所识别的环境的信息。
针对环境识别单元18所识别的每个环境，表情信息处理单元13将从表情检测单元11供应的表情信息在表情信息数据库14中存储为不同简档。例如，即使对用于同一内容的表情信息，表情信息仍分成在独自收看/收听时有价值的表情信息和在两个人收看/收听时有价值的表情信息，并且存储于表情信息数据库14中。
表情信息处理单元13获得对内容的用户评价，将获得的评价与针对每个环境而存储为不同简档的表情信息相对应，并且将这存储于表情信息数据库14中。表情信息处理单元13基于表情信息数据库14中存储的评价和针对每个环境而存储为不同简档的表情信息来识别高评价指标表情。利用表情信息处理单元13，可以针对每个环境来识别作为高评价指标的表情。
发送单元15向服务器2发送表情信息处理单元13所识别的针对每个环境的高评价指标表情信息以及示出对每个内容的用户评价和用户收看/收听历史的信息，并且请求内容推荐。
接收单元16接收从服务器2发送的推荐内容信息，并且将所接收的信息输出到内容推荐单元17。
内容推荐单元17基于从接收单元16供应的信息，向用户呈现服务器2所识别的推荐内容信息。
在服务器2一侧上的配置是与图1中所示服务器2配置相同的配置。也就是说，服务器2的接收单元21接收从客户机1的发送单元15发送的针对每个环境的高评价指标表情信息、对每个内容的用户评价和示出用户收看/收听历史的信息，并且将所接收的信息存储于表情信息数据库22中。
在服务器2中为每个人收集数目与环境的数目相同的简档(表情信息)。
相似模式组识别单元23基于表情信息数据库22中存储的信息来识别具有相似评价的用户和相似模式组，并且在推荐内容识别单元24中输出具有相似评价的用户的信息和相似模式组的信息。
推荐内容识别单元24参照属于同一相似模式组的用户的高评价指标的时间序列数据，并且识别整个内容中具有相似评价的用户已经给予高评价的高评价部分。另外，推荐内容识别单元24还识别与接收内容推荐的客户机1的用户属于同一相似模式组的其他用户。
推荐内容识别单元24将客户1的用户尚未体验的并且其他识别用户已经给予高评价的内容识别为推荐内容，并且将所识别的推荐内容信息输出到发送单元26。
基于针对每个环境作为不同简档来处理的表情信息来执行对相似模式组的识别等，因而这里所识别的推荐内容考虑到环境的差异。
发送单元26向客户机1发送从推荐内容识别单元24供应的信息。
将描述图14中客户机1的处理。注意，图14中服务器2的处理是与如上所述的图1中的服务器2中的处理基本上相似的处理。
先参照图17中的流程图来描述客户机1回放内容的处理。
在步骤S101中，客户机1的环境识别单元18基于摄像装置33所拍摄的图像来识别环境，并且向表情信息处理单元13输出示出所识别的环境的信息。
在步骤S102中，表情信息处理单元13回放从内容数据库12读出的内容。
在步骤S103中，表情检测单元11基于来自麦克风32和摄像装置33的输出来检测收看/收听内容的每个用户的表情，并且向表情信息处理单元13输出表情信息。
在步骤S104中，表情信息处理单元13针对环境识别单元18所识别的每个环境，将从表情检测单元11供应的表情信息存储到表情信息数据库14。
在步骤S105中，表情信息处理单元13确定内容回放是否已经结束，在确定未结束的情况下流程返回到步骤S102，并且重复上述处理。
另一方面，在步骤S105中确定内容回放已经结束的情况下，在步骤S106中，表情信息处理单元13获得对回放内容的用户评价，并且将该内容评价与表情信息一起存储于表情信息数据库14中。此后结束处理。
接着，将参照图18中的流程图来描述客户机1识别高评价指标表情的处理。
在步骤S111中，表情信息处理单元13将每个表情时间序列数据标准化，并且获得每个表情的代表值。
在步骤S112中，表情信息处理单元13比较从高评价内容的表情信息中获得的每个表情的代表值与从无高评价的内容的表情信息中获得的表情的每个代表值，并且针对每个环境来识别将作为高评价指标的表情。
在步骤S113中，发送单元15向服务器2发送针对每个环境而识别的
高评价指标表情信息以及示出对每个内容的评价和用户收看/收听历史的信息，并且结束处理。
接着，将参照图19中的流程图来描述客户机1接收从服务器2发送的信息并且显示推荐结果的处理。
在步骤S121中，客户机1的环境识别单元18基于摄像装置33所拍摄的图像来识别环境，并且向表情信息处理单元13输出示出所识别的环境的信息。
在步骤S122中，表情信息处理单元13控制发送单元15，并且请求服务器2利用根据环境识别单元18所识别环境的简档来执行内容推荐。
在服务器2，根据这样的请求，利用从客户机1提供的简档中根据环境识别单元18所识别环境的简档来执行对推荐内容的识别。所识别的推荐内容信息从服务器2发送到客户机1。
在步骤S123中，客户机1的接收单元16接收从服务器2发送的推荐内容信息，并且将接收的信息输出到内容推荐单元17。
在步骤S124中，内容推荐单元17显示由服务器2识别的推荐内容信息并且将该推荐内容信息呈现给用户。此后结束处理。
利用上述处理，服务器2可以考虑到环境以及每个用户表情来执行协同过滤以推荐内容。由此识别用于标识推荐内容的将作为高评价指标的表情，但是可以进行这样的布置，在该布置中，可以不仅识别用于高评价指标的表情而且识别用于低评价指标的表情。
由服务器侧获得作为低评价指标的表情信息，由此，例如每当检测到作为低评价指标的表情以推荐内容时，顺次推荐内容的服务器可以对不同内容切换策略。
另外，就提供因特网购物服务的服务器而言，可以进行这样的布置，在该布置中，针对每个用户区别和管理促成最终购买的表情和未促成购买的表情，并且在模式变为未促成购买的模式时立即改变推荐策略。
另外，可以布置为一种用于调查收看/收听率的方法，在该布置中，在客户机侧从用户表情确定用户在愉快地观看内容还是在被迫观看，并且计算愉快地观看的用户比例和被迫观看的用户的比例，使得能够基于表情来计算收看/收听率(高灵敏度)。
可以利用用户在收看/收听内容时表现出的生物统计学响应的时间序列数据而不是表情的时间序列数据来实现上述处理。在这一情况下，用以测量生物统计学响应如脉搏和脑电波的测量设备附接到收看/收听内容的用户的身体，由此获得生物统计学响应的时间序列数据。
与表情类似，生物统计学响应也可能示出用户对内容的敏感度，由此利用生物统计学响应的时间序列数据也使得能够实现上述处理。
上述一系列处理可以用硬件来执行，也可以用软件来执行。在用软件执行这一系列处理的情况下，组成这样的软件的程序从计算机记录介质安装到内置于专用硬件中的计算机或者通用个人计算机中，所述内置于专用硬件中的计算机或者通用个人计算机可以通过安装各类程序来执行各类功能。
图20是示出了用程序来执行上述一系列处理的计算机的硬件配置例子的框图。可以通过由具有比如图20中所示这样配置的计算机的CPU(中央处理单元)51执行预定程序，来实现图1和图14中所示客户机1和服务器2的配置的至少一部分。
CPU51、ROM(只读存储器)52和RAM(随机存取存储器)53与总线54相互连接。总线54还连接到输入/输出接口55。输入/输出接口55连接到由键盘、鼠标、麦克风等组成的输入单元56、由显示器、扬声器等组成的输出单元57、由硬盘或者非易失性存储器等组成的存储单元58、由网络接口等组成的通信单元59以及用以驱动可移动介质61如光盘或者半导体存储器的驱动器60。
利用这样配置的计算机，例如CPU51经由输入/输出接口55和总线54向RAM53加载并且执行在存储单元58中存储的程序，由此可以执行上述一系列处理。
CPU51执行的程序例如可以在可移动介质61上记录，或者经由有线或无线传输介质如局域网、因特网或者数字广播而提供，并且安装在存储单元58中。计算机执行的程序可以是这样的程序，在该程序中，按照在本发明中描述的顺序、以时间序列的方式执行处理，或者可以是这样的程序，在该程序中，在被调用时并行地或者按适当的时序来执行处理。
本发明的实施例不限于上述实施例，并且可以在本发明的范围内进行各种类型的修改。
本领域技术人员应当理解，只要它们是在如所附权利要求及其等效的范围内，可以根据设计要求和其它因素来进行各种修改、组合、次组合和变更。

Claims (14)

1.一种信息处理设备，连接到多个信息处理终端，在所述多个信息处理终端中检测用户在内容回放过程中表现出的多类表情、获得对每个回放内容的评价、在检测到的所述多类表情中识别出所述用户在高评价内容的回放过程中表示的作为高评价指标的预定表情、并且发送作为所识别的高评价指标的表情信息和表达对每个内容的评价的信息，所述信息处理设备包括：
接收装置，配置用以接收从所述多个信息处理终端发送的作为所述高评价指标的表情信息和表达对每个内容的评价的信息；
用户识别装置，配置用以基于由所述接收装置接收的信息所表达的作为所述高评价指标的表情，来识别对同一内容表示相似高评价指标的表情的用户；
推荐内容识别装置，配置用以基于由所述接收装置接收的信息所表达的评价，将由所述用户识别装置识别的、并且对于表现出与请求内容推荐的用户相似的高评价指标表情的其他用户来说具有高评价的内容识别为推荐内容；以及
发送装置，配置用以向请求内容推荐的所述用户所使用的信息处理终端发送由所述推荐内容识别装置识别出的推荐内容信息。
2.根据权利要求1所述的信息处理设备，其中所述接收装置还接收从所述多个信息处理终端发送的表达内容收看/收听历史的信息，并且其中
所述推荐内容识别装置将请求内容推荐的所述用户尚未体验的、并且对于所述其他用户是高评价内容的内容识别为推荐内容。
3.根据权利要求1所述的信息处理设备，其中所述用户识别装置还基于从所述接收装置接收的信息所表达的每个信息处理终端的用户对内容的评价，来识别具有相似评价的用户。
4.根据权利要求3所述的信息处理设备，其中所述推荐内容识别装置还参照对所述高评价内容表现出相似高评价指标表情的用户的高评价指标表情，来识别对于对内容的评价相似的用户而言为高评价的整个内容中的高评价部分。
5.根据权利要求1所述的信息处理设备，其中所述接收装置接收从所述多个信息处理终端发送的、由所述多个信息处理终端识别的、在内容回放过程中针对每个环境作为所述高评价指标的表情信息，以及表示对每个内容的评价的信息，并且其中
所述用户识别装置基于针对每个环境作为所述高评价指标的表情来识别对同一内容表现出相似高评价指标表情的用户。
6.一种信息处理方法，用于连接到多个信息处理终端的信息处理设备，在所述多个信息处理终端中检测用户在内容回放过程中表现出的多类表情、获得对每个回放内容的评价、在检测到的所述多类表情中识别所述用户在高评价内容的回放过程中表示的作为高评价指标的预定表情、并且发送作为所识别的高评价指标的表情信息和表达对每个内容的评价的信息，所述信息处理方法包括以下步骤：
接收从所述多个信息处理终端发送的作为所述高评价指标的表情信息和表达对每个内容的评价的信息；
基于所接收的信息所表达的作为所述高评价指标的表情，来识别对同一内容表示相似高评价指标的表情的用户；
基于所接收的信息所表达的评价，将对表现出与请求内容推荐的用户相似的高评价指标表情的其他用户来说具有高评价的内容识别为推荐内容；以及
向请求内容推荐的所述用户所使用的信息处理终端发送所识别的推荐内容信息。
7.一种程序，用于使计算机执行信息处理设备的处理，所述信息处理设备连接到多个信息处理终端，在所述多个信息处理终端中检测用户在内容回放过程中表现出的多类表情、获得对每个回放内容的评价、在检测到的所述多类表情中识别所述用户在高评价内容的回放过程中表示的作为高评价指标的预定表情、并且发送作为所识别的高评价指标的表情信息和表达对每个内容的评价的信息，所述程序包括以下步骤：
接收从所述多个信息处理终端发送的作为所述高评价指标的表情信息和表达对每个内容的评价的信息；
基于所接收的信息所表达的作为所述高评价指标的表情，来识别对同一内容表示相似高评价指标的表情的用户；
基于所接收的信息所表达的评价，将对表现出与请求内容推荐的用户相似的高评价指标表情的其他用户来说具有高评价的内容识别为推荐内容；以及
向请求内容推荐的所述用户所使用的信息处理终端发送所识别的推荐内容信息。
8.一种信息处理终端，包括：
表情检测装置，配置用以检测用户在内容回放过程中表现出的多类表情；
识别装置，配置用以
获得对已经回放的每个内容的评价，以及
在所述表情检测装置所检测的所述多类表情中识别用户在高评
价内容回放过程中表现出的作为高评价指标的预定表情；以及
发送装置，配置用以发送所述识别装置所识别的作为高评价指标的表情信息和表达对每个内容的评价的信息。
9.根据权利要求8所述的信息处理终端，其中，
所述信息处理设备是配置用以基于由所述发送装置发送的信息所表达的作为所述高评价指标的表情来进行以下操作的设备：
识别对同一内容表现出相似高评价指标表情的用户，
基于所接收的信息所表达的评价，将对于表现出与所识别的请求内容推荐的用户相似的高评价指标表情的另一用户来说的高评价内容识别为推荐内容，以及
发送所识别的推荐内容信息，并且所述信息处理终端还包括：接收装置，配置用以接收从所述信息处理设备发送的推荐内容信息；以及
推荐装置，配置用以基于所述接收装置所接收的信息，向所述用户显示推荐内容。
10.根据权利要求8所述的信息处理终端，还包括：
环境识别装置，配置用以在内容回放过程中识别环境；其中
所述环境识别装置针对所述环境识别装置所识别的每个环境，从多类表情中识别所述用户在高评价内容回放过程中表现出的作为高评价指标的预定表情。
11.一种信息处理方法，包括以下步骤：
检测用户在内容回放过程中表现出的多类表情；
获得对每个回放内容的评价；
从检测到的多类表情中识别所述用户在高评价内容的回放过程中表现出的作为高评价指标的预定表情；以及
向信息处理设备发送作为所识别的高评价指标的表情信息和表达对每个内容的评价的信息。
12.一种用以使计算机执行处理的程序，所述处理包括以下步骤：
检测用户在内容回放过程中表现出的多类表情；
获得对每个回放内容的评价；
从检测到的所述多类表情中识别所述用户在高评价内容的回放过程中表现出的作为高评价指标的预定表情；以及
向信息处理设备发送作为所识别的高评价指标的表情信息和表达对每个内容的评价的信息。
13.一种信息处理设备，连接到多个信息处理终端，在所述多个信息处理终端中检测用户在内容回放过程中表现出的多类表情、获得对每个回放内容的评价、在检测到的所述多类表情中识别所述用户在高评价内容的回放过程中表示的作为高评价指标的预定表情、并且发送作为所识别的高评价指标的所述表情信息和表达对每个内容的评价的信息，所述信息处理设备包括：
接收单元，配置用以接收从所述多个信息处理终端发送的作为所述高评价指标的表情信息和表达对每个内容的评价的信息；
用户识别单元，配置用以基于由所述接收单元接收的信息所表达的作为所述高评价指标的表情，来识别对同一内容表示相似高评价指标的表情的用户；
推荐内容识别单元，配置用以基于由所述接收单元接收的信息所表达的评价，将由所述用户识别单元识别的、并且对于表现出与请求内容推荐的用户相似的高评价指标表情的其他用户来说具有高评价的内容识别为推荐内容；以及
发送单元，配置用以向请求内容推荐的所述用户所使用的信息处理终端发送所述推荐内容识别单元识别出的推荐内容信息。
14.一种信息处理终端，包括：
表情检测单元，配置用以检测用户在内容回放过程中表现出的多类表情；
识别单元，配置用以：
获得对已经回放的每个内容的评价，以及
在由所述表情检测单元检测到的所述多类表情中识别用户在高评价内容的回放过程中表现出的作为高评价指标的预定表情；以及
发送单元，配置用以发送所述识别单元所识别的作为高评价指标的表情信息以及表达对每个内容的评价的信息。
CNA2008101789739A 2007-12-03 2008-12-03 信息处理设备、信息处理终端、信息处理方法以及程序 Pending CN101452474A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2007312569A JP4538756B2 (ja) 2007-12-03 2007-12-03 情報処理装置、情報処理端末、情報処理方法、およびプログラム
JP2007312569 2007-12-03

Publications (1)

Publication Number Publication Date
CN101452474A true CN101452474A (zh) 2009-06-10

Family

ID=40676756

Family Applications (1)

Application Number Title Priority Date Filing Date
CNA2008101789739A Pending CN101452474A (zh) 2007-12-03 2008-12-03 信息处理设备、信息处理终端、信息处理方法以及程序

Country Status (3)

Country Link
US (2) US8694495B2 (zh)
JP (1) JP4538756B2 (zh)
CN (1) CN101452474A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101877006A (zh) * 2009-05-01 2010-11-03 索尼公司 用于处理信息的设备、方法和程序
CN103441860A (zh) * 2013-04-16 2013-12-11 阿里巴巴集团控股有限公司 一种互联网业务的推荐方法以及装置
JP2014524178A (ja) * 2011-06-17 2014-09-18 マイクロソフト コーポレーション 環境センシングに基づくビデオハイライト特定
CN106341704A (zh) * 2016-08-18 2017-01-18 北京奇虎科技有限公司 一种基于主播的推荐方法及装置
CN107087224A (zh) * 2011-01-07 2017-08-22 三星电子株式会社 内容同步设备和方法
CN108632671A (zh) * 2018-03-29 2018-10-09 北京恒信彩虹信息技术有限公司 一种推荐方法及***

Families Citing this family (48)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011095972A (ja) * 2009-10-29 2011-05-12 Oki Networks Co Ltd コンテンツ配信システム、コンテンツ配信装置、およびコンテンツ配信方法を提供
JP2011129997A (ja) * 2009-12-15 2011-06-30 Victor Co Of Japan Ltd ユーザ情報処理プログラム、再生プログラム、ユーザ情報処理装置、再生装置、ユーザ情報処理方法、及び、再生方法
JP2011135159A (ja) * 2009-12-22 2011-07-07 Optim Corp 動画コンテンツを出力するテレビ、テレビシステム、方法、プログラム
JP2011215895A (ja) * 2010-03-31 2011-10-27 Ntt Docomo Inc コンテンツ評価装置及びコンテンツ評価方法
US9021394B2 (en) 2010-04-01 2015-04-28 Eventsq Llc Capturing user feedback of software content in a networked environment and controlling the software using a single action
US10805102B2 (en) 2010-05-21 2020-10-13 Comcast Cable Communications, Llc Content recommendation system
US9530144B2 (en) * 2010-05-28 2016-12-27 Rakuten, Inc. Content output device, content output method, content output program, and recording medium having content output program recorded thereon
JP5703610B2 (ja) * 2010-07-02 2015-04-22 シャープ株式会社 コンテンツサーバ、コンテンツ視聴システム、コンテンツ推薦方法およびコンテンツ表示装置
JP5669471B2 (ja) * 2010-07-26 2015-02-12 株式会社アイ・オー・データ機器 端末装置およびプログラム
JP5724283B2 (ja) * 2010-10-15 2015-05-27 ソニー株式会社 情報処理装置、同期方法およびプログラム
US8640021B2 (en) * 2010-11-12 2014-01-28 Microsoft Corporation Audience-based presentation and customization of content
EP2466538A1 (en) * 2010-12-20 2012-06-20 Alcatel Lucent Media asset management system
JP5470302B2 (ja) * 2011-02-15 2014-04-16 日本電信電話株式会社 集団行動判定装置、方法及びプログラム
JP5854636B2 (ja) * 2011-05-18 2016-02-09 日本放送協会 受信機及びプログラム
US9015746B2 (en) * 2011-06-17 2015-04-21 Microsoft Technology Licensing, Llc Interest-based video streams
JP5910846B2 (ja) * 2011-07-26 2016-04-27 ソニー株式会社 制御装置、制御方法、及び、プログラム
US20130080592A1 (en) * 2011-09-23 2013-03-28 Robin Budd Recommender system for a content server based on security group membership
KR101925057B1 (ko) 2011-12-12 2019-02-28 삼성전자주식회사 컨텍스트 정보를 이용한 콘텐트 공유 시스템 및 방법
US10043195B2 (en) 2011-12-19 2018-08-07 Eventsq Llc Content recommendation based on user feedback of content in a networked environment captured using a single action
KR20140121396A (ko) * 2012-01-08 2014-10-15 톰슨 라이센싱 미디어 자산 추천들을 제공하기 위한 방법 및 장치
JP2013150086A (ja) * 2012-01-18 2013-08-01 Sony Corp 行動情報認識システム、情報処理装置および行動情報認識方法
JP5937829B2 (ja) * 2012-01-25 2016-06-22 日本放送協会 視聴状況認識装置及び視聴状況認識プログラム
US20130204572A1 (en) * 2012-02-07 2013-08-08 Seiko Epson Corporation State detection device, electronic apparatus, and program
JP2013248292A (ja) * 2012-06-01 2013-12-12 Nintendo Co Ltd 情報処理プログラム、情報処理装置、情報処理システムおよび表示方法
US10084611B2 (en) * 2012-06-29 2018-09-25 Siemens Schweiz Ag Programmable symbol animation pre-processor for building automation graphics
WO2014138352A1 (en) * 2013-03-06 2014-09-12 Zito Arthur J Jr Multi-media presentation system
CN104239338A (zh) * 2013-06-19 2014-12-24 阿里巴巴集团控股有限公司 信息推荐方法及装置
JP6217228B2 (ja) * 2013-08-12 2017-10-25 大日本印刷株式会社 情報提供装置、プログラム及び情報提供システム
GB2519339A (en) * 2013-10-18 2015-04-22 Realeyes O Method of collecting computer user data
US11455086B2 (en) 2014-04-14 2022-09-27 Comcast Cable Communications, Llc System and method for content selection
CN104035982B (zh) 2014-05-28 2017-10-20 小米科技有限责任公司 多媒体资源推荐方法及装置
US20150348122A1 (en) * 2014-05-30 2015-12-03 United Video Properties, Inc. Methods and systems for providing purchasing opportunities based on location-specific biometric data
US11553251B2 (en) 2014-06-20 2023-01-10 Comcast Cable Communications, Llc Content viewing tracking
US10776414B2 (en) * 2014-06-20 2020-09-15 Comcast Cable Communications, Llc Dynamic content recommendations
JP6519157B2 (ja) * 2014-06-23 2019-05-29 カシオ計算機株式会社 情報評価装置、情報評価方法、及びプログラム
US10362978B2 (en) 2015-08-28 2019-07-30 Comcast Cable Communications, Llc Computational model for mood
CN106933848B (zh) * 2015-12-29 2020-10-30 ***通信集团公司 一种信息发送方法和装置
US10984036B2 (en) 2016-05-03 2021-04-20 DISH Technologies L.L.C. Providing media content based on media element preferences
US11196826B2 (en) * 2016-12-23 2021-12-07 DISH Technologies L.L.C. Communications channels in media systems
US10904615B2 (en) * 2017-09-07 2021-01-26 International Business Machines Corporation Accessing and analyzing data to select an optimal line-of-sight and determine how media content is distributed and displayed
JP2019082952A (ja) * 2017-10-31 2019-05-30 株式会社ジャパンディスプレイ レコメンドシステム、情報処理装置及びａｉサーバ
US11589094B2 (en) * 2019-07-22 2023-02-21 At&T Intellectual Property I, L.P. System and method for recommending media content based on actual viewers
US11184672B2 (en) 2019-11-04 2021-11-23 Comcast Cable Communications, Llc Synchronizing content progress
CN115299069A (zh) * 2020-09-16 2022-11-04 谷歌有限责任公司 数字视频分析
US20220174357A1 (en) * 2020-11-30 2022-06-02 At&T Intellectual Property I, L.P. Simulating audience feedback in remote broadcast events
JPWO2022269709A1 (zh) * 2021-06-21 2022-12-29
JP7398853B1 (ja) 2023-06-30 2023-12-15 ヴィアゲート株式会社 動画視聴解析システム、動画視聴解析方法および動画視聴解析プログラム
JP7398854B1 (ja) 2023-06-30 2023-12-15 ヴィアゲート株式会社 ウェブページ閲覧解析システム、ウェブページ閲覧解析方法およびウェブページ閲覧解析プログラム

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5226177A (en) * 1990-03-27 1993-07-06 Viewfacts, Inc. Real-time wireless audience response system
US7120880B1 (en) * 1999-02-25 2006-10-10 International Business Machines Corporation Method and system for real-time determination of a subject's interest level to media content
US6873710B1 (en) * 2000-06-27 2005-03-29 Koninklijke Philips Electronics N.V. Method and apparatus for tuning content of information presented to an audience
EP1346299A1 (en) * 2000-10-18 2003-09-24 Johnson & Johnson Consumer Companies, Inc. Intelligent performance-based product recommendation system
US20020178440A1 (en) * 2001-03-28 2002-11-28 Philips Electronics North America Corp. Method and apparatus for automatically selecting an alternate item based on user behavior
US20030081834A1 (en) * 2001-10-31 2003-05-01 Vasanth Philomin Intelligent TV room
US6585521B1 (en) * 2001-12-21 2003-07-01 Hewlett-Packard Development Company, L.P. Video indexing based on viewers' behavior and emotion feedback
US7739601B1 (en) * 2002-01-23 2010-06-15 Microsoft Corporation Media authoring and presentation
WO2005113099A2 (en) * 2003-05-30 2005-12-01 America Online, Inc. Personalizing content
JP2005032167A (ja) * 2003-07-11 2005-02-03 Sony Corp 情報検索装置、情報検索方法、情報検索システム、クライアント装置およびサーバ装置
KR20050023941A (ko) 2003-09-03 2005-03-10 삼성전자주식회사 음성 인식 및 화자 인식을 통한 개별화된 서비스를제공하는 ａ/ｖ 장치 및 그 방법
US20040117814A1 (en) * 2003-10-22 2004-06-17 Roye Steven A. Method and apparatus for determining positive audience response
JP4335642B2 (ja) * 2003-11-10 2009-09-30 日本電信電話株式会社 視聴者反応情報収集方法と、視聴者反応情報収集システムで用いられるユーザ端末及び視聴者反応情報提供装置と、そのユーザ端末・視聴者反応情報提供装置の実現に用いられる視聴者反応情報作成用プログラム
EP1745650A1 (en) * 2003-12-22 2007-01-24 Koninklijke Philips Electronics N.V. Content- processing system, method, and computer program product for monitoring the viewer's mood
WO2005096277A1 (ja) 2004-03-31 2005-10-13 Pioneer Corporation 情報記録装置、情報記録方法及び情報記録プログラム
US20050289582A1 (en) * 2004-06-24 2005-12-29 Hitachi, Ltd. System and method for capturing and using biometrics to review a product, service, creative work or thing
US8210848B1 (en) * 2005-03-07 2012-07-03 Avaya Inc. Method and apparatus for determining user feedback by facial expression
NZ563312A (en) * 2005-04-28 2009-11-27 Hww Ltd A system for the delivery of mobile content
JP2007207153A (ja) * 2006-02-06 2007-08-16 Sony Corp 通信端末装置、情報提供システム、サーバ装置、情報提供方法および情報提供プログラム
US7653761B2 (en) * 2006-03-15 2010-01-26 Microsoft Corporation Automatic delivery of personalized content to a portable media player with feedback
US8468155B2 (en) * 2006-06-22 2013-06-18 Infosys Limited Collaborative filtering-based recommendations
EP1895505A1 (en) * 2006-09-04 2008-03-05 Sony Deutschland GmbH Method and device for musical mood detection
KR100828371B1 (ko) * 2006-10-27 2008-05-08 삼성전자주식회사 컨텐츠의 메타 데이터 생성 방법 및 장치
US8751507B2 (en) * 2007-06-29 2014-06-10 Amazon Technologies, Inc. Recommendation system with multiple integrated recommenders
US8094891B2 (en) * 2007-11-01 2012-01-10 Sony Ericsson Mobile Communications Ab Generating music playlist based on facial expression
US20090271417A1 (en) * 2008-04-25 2009-10-29 John Toebes Identifying User Relationships from Situational Analysis of User Comments Made on Media Content

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101877006A (zh) * 2009-05-01 2010-11-03 索尼公司 用于处理信息的设备、方法和程序
CN107087224A (zh) * 2011-01-07 2017-08-22 三星电子株式会社 内容同步设备和方法
JP2014524178A (ja) * 2011-06-17 2014-09-18 マイクロソフト コーポレーション 環境センシングに基づくビデオハイライト特定
CN103441860A (zh) * 2013-04-16 2013-12-11 阿里巴巴集团控股有限公司 一种互联网业务的推荐方法以及装置
CN106341704A (zh) * 2016-08-18 2017-01-18 北京奇虎科技有限公司 一种基于主播的推荐方法及装置
CN108632671A (zh) * 2018-03-29 2018-10-09 北京恒信彩虹信息技术有限公司 一种推荐方法及***

Also Published As

Publication number Publication date
US9342576B2 (en) 2016-05-17
US20140304289A1 (en) 2014-10-09
JP4538756B2 (ja) 2010-09-08
US8694495B2 (en) 2014-04-08
US20090144225A1 (en) 2009-06-04
JP2009140010A (ja) 2009-06-25

Similar Documents

Publication Publication Date Title
CN101452474A (zh) 信息处理设备、信息处理终端、信息处理方法以及程序
WO2011052951A2 (en) Method and apparatus for managing content service in network based on content use history
WO2020138928A1 (en) Information processing method, apparatus, electrical device and readable storage medium
WO2014157886A1 (en) Method and device for executing application
WO2020214006A1 (en) Apparatus and method for processing prompt information
CN101621668A (zh) 信息处理设备以及信息处理方法
WO2010119996A1 (ko) 동영상 관련 광고를 제공하는 방법 및 그 장치
WO2015174743A1 (en) Display apparatus, server, system and information-providing methods thereof
WO2017217779A1 (ko) 컨텐츠 제작자 검색 방법 및 시스템
WO2020080874A1 (ko) 광고 컨텐츠 전송을 위한 디스플레이 장치 및 그 제어방법
WO2023191444A1 (ko) 프로듀서 매칭 서비스 제공 장치 및 방법
WO2015105372A1 (en) Method and system for synchronizing usage information between device and server
WO2021085812A1 (ko) 전자장치 및 그 제어방법
WO2020145572A1 (en) Electronic apparatus and control method thereof
WO2016129871A1 (ko) 영상처리장치, 영상처리장치의 제어방법 및 시스템
WO2022010177A1 (en) Device and method for generating summary video
WO2019124762A1 (ko) 방송 서비스의 반송률 측정 장치
WO2020149655A1 (ko) 장치 속성에 기반한 공유 데이터의 제공 방법 및 그 전자 장치
WO2013036035A2 (ko) 객체 태깅을 위한 플랫폼 시스템 및 그 방법
WO2019172472A1 (ko) 디스플레이 장치
WO2014178498A1 (ko) 광고 영상 제작방법 및 이를 위한 제작 시스템과 광고영상이 포함된 영화 파일 제작 시스템 및 영화 파일 제공방법
WO2023132657A1 (ko) 상품 트렌드 예측 서비스 제공 장치, 방법 및 프로그램
WO2023058835A1 (ko) 전자 장치 및 그 제어 방법
WO2019139250A1 (en) Method and apparatus for playing a 360-degree video
WO2018151467A1 (ko) 컨텐트를 제공하는 방법 및 장치

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C12 Rejection of a patent application after its publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20090610