CN106796593A - 基于社交数据和用户行为优先化媒体 - Google Patents
基于社交数据和用户行为优先化媒体 Download PDFInfo
- Publication number
- CN106796593A CN106796593A CN201580038616.0A CN201580038616A CN106796593A CN 106796593 A CN106796593 A CN 106796593A CN 201580038616 A CN201580038616 A CN 201580038616A CN 106796593 A CN106796593 A CN 106796593A
- Authority
- CN
- China
- Prior art keywords
- media file
- user
- media
- data
- file
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/14—Details of searching files based on file metadata
- G06F16/148—File search processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/16—File or folder operations, e.g. details of user interfaces specifically adapted to file systems
- G06F16/168—Details of user interfaces specifically adapted to file systems, e.g. browsing and visualisation, 2d or 3d GUIs
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Human Computer Interaction (AREA)
- Information Transfer Between Computers (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
媒体文件可以基于与各个媒体问文件相关联的用户行为数据和社交数据来优先化。优先化媒体文件的过程可以包括访问与存储在用户的客户端设备上或与用户相关联的基于云的存储位置中的媒体文件集中的各个媒体文件相关联的用户行为数据,访问与被确定已经在媒体文件分享访问上分享的媒体文件集的一个或多个媒体文件相关联的社交数据,以及至少部分地基于用户行为数据和社交数据对媒体文件集排序。
Description
背景技术
随着数字媒体捕捉和存储技术中的发展,对于普通用户而言,创建和存储媒体文件(例如数字图像、视频、声音片段等)已经变得容易得多。为此目的,如今的普通用户一天在她的智能电话上拍若干张照片,无论她这样做是为了捕捉值得纪念的时刻,比如她的孩子的照片,还是为了记住她将她的车停靠在的停车位号码。用户还倾向于起初保留大多数(如果不是全部的话)他们创建或以其它方式获取(例如下载)的数字媒体文件,因为不存在关于可用存储空间的量的实际约束。而且,基于web的存储服务(通常称为“云”存储服务)的引入使得对于用户而言在其中存储空间如相比于个人存储设备而言甚至更不是关注点的“云”中存储媒体文件的大量集合甚至更加容易。
然而,随着给定集合中的媒体文件的数目的增长,找到集合内的最重要的(多个)媒体文件变得困难。一般而言,大媒体文件集由于组织方案提供的仅仅是按照创建日期布置媒体文件这一事实而是不可管理的。因此,用户必须整理大数目的“非重要”媒体文件以定位其个人集合中的重要媒体文件。定位重要媒体文件的该过程是低效的并且否则是耗时的,从而造成欠佳的用户体验和忽略用户所感兴趣的媒体文件的潜在性。
发明内容
本文所描述的是用于至少部分地基于用户行为数据和社交数据的组合优先化个人集合中的媒体文件的技术和***。以此方式优先化媒体文件允许显现(surface)或以其它方式呈现从维护个人集合的用户的角度来看很可能是最有意思的媒体文件的集合中的最重要的媒体文件。
在一些实施例中,一种优先化媒体文件的计算机实现的过程可以包括访问用户的行为数据,行为数据与存储在用户的客户端设备上或与用户相关联的基于云的存储位置中的媒体文件集中的各个媒体文件相关联,访问与被确定已经在媒体文件分享服务上被分享的媒体文件集的一个或多个媒体文件相关联的社交数据,以及至少部分地基于行为数据和社交数据对媒体文件集排序。
在一些实施例中,一种收集与用户的媒体文件集中的媒体文件相关联的社交数据的计算机实现的过程包括比较与媒体文件相关联的信息和与已经被分享到媒体文件分享服务的网站的媒体文件集中的各个媒体文件相关联的信息,至少部分地基于比较来标识媒体文件集中的媒体文件的副本,以及从媒体文件分享服务接收与副本相关联的社交数据。
通过利用表示用户与媒体文件的交互的用户行为数据和从媒体文件分享服务收集的社交数据二者,可以在用户不必整理不太重要的媒体文件的情况下,从集合中显现作为最重要的媒体文件的接收最高发生并且最有意义且相关的本地交互和社交交互的集合内的媒体文件。预计到,在媒体文件(例如图像)的大集合内,通过使用本文所公开的技术和***,最重要的照片将明显地“显现”,因为被更多查看和编辑的媒体文件(例如图像)倾向于是最常被分享的相同媒体文件,并且被分享的媒体文件将通过用户社区与之交互,如与未被分享的那些媒体文件相反的。
此外,可以在不监视发生在用户的客户端计算设备处的所有分享活动的情况下,利用社交数据。也就是说,本文所公开的技术和***不需要知晓在哪些媒体文件在它们从客户端计算设备分享时被分享。而是,***访问一个或多个媒体文件分享服务以找到匹配用户的个人集合中的各个媒体文件的一个或多个被分享的媒体文件。以此方式,与个人集合的媒体文件相关联的社交数据可以从一个或多个媒体文件分享站点搜集,以关于个人媒体文件集扩充优先化过程。
提供本发明内容来以简化的形式引入以下在具体实施方式中进一步描述的概念的选择。本发明内容不旨在标识所要求保护的主题的关键特征或必要特征,也不旨在用于限制所要求保护的主题的范围。
附图说明
参照附图来描述详细描述。在图中,参考标号的最左(多个)数位标识参考标号首次出现在其中的图。不同图中的相同参考标号指示类似或等同的项。
图1是用于基于用户行为数据和社交数据优先化个人集合中的媒体文件的示例架构的示意图。
图2是来自媒体文件的个人集合的媒体文件的经排序的列表的示例,以及与经排序的列表中的媒体文件之一相关联的媒体文件特性的非详尽列表。
图3是用于将在媒体文件分享服务上分享的文件匹配到个人集合的文件以便将社交数据链接到个人集合中的媒体文件的示例技术的示意图。
图4A图示了具有呈现经优先化的媒体文件以用于分享的示例用户接口(UI)的屏幕渲染的示例客户端计算设备。
图4B图示了具有在幻灯片中呈现经优先化的媒体文件的根据另一实施例的另一示例UI的屏幕渲染的图4A的示例客户端计算设备。
图5是基于用户行为数据和社交数据对媒体文件排序的说明性过程的流程图。
图6是基于媒体文件的排序呈现媒体文件集中的媒体文件的说明性过程的流程图。
图7是追踪与个人集合中的各个媒体文件相关联的用户行为数据的说明性过程的流程图。
图8是收集与个人集合中的各个媒体文件相关联的社交数据的说明性过程的流程图。
图9是使用用户可定制的排序方案对媒体文件排序的说明性过程的流程图。
具体实施方式
除其它事物之外,本公开的实施例涉及用于至少部分地基于与各个媒体文件相关联的用户行为数据和社交数据的组合优先化个人集合中的媒体文件的技术和***。本文所描述的技术和***可以以数个方式实现并且可以用于优先化媒体文件集中的任何类型的媒体文件。出于说明性目的,在本文中通常将媒体文件描述为数字图像。然而,要领会的是,本文所公开的技术和***可以用于优先化任何合适类型的媒体文件,单数地或与其他类型的媒体文件组合。在本文中设想到的媒体文件类型的非详尽列表包括图像(例如照片)、视频、图形、动画、音频、文本(例如文档)、交互式媒体或任何其它合适类型的媒体文件或其组合(即多媒体)。因此,本文所描述的技术和***不限于数字图像的优先化。
示例架构
图1是可用于使得操作相应计算设备104(1),…,104(N)(集体地,104,并且有时称为“客户端”计算设备,或“本地”计算设备)的用户102(1),…102(M)(集体地,102)能够参与创建/获取、存储和以其它方式管理作为媒体文件的个人集合(诸如数字图像的个人集合)的部分的媒体文件的示例架构100的示意图。架构100仅仅是一个示例,并且本文所描述的技术不限于使用图1的架构的执行,它们也不限于作为媒体文件类型的数字图像,如以上提到的。
在架构100内,用户102,在一些实例中,可以操作计算设备104以创建媒体文件。例如,计算设备104可以包括或者可以可连接到一个或多个媒体捕捉组件(例如(多个)相机、(多个)麦克风等)以用于捕捉数据(例如静止图像数据、视频数据、音频数据等)和在存储器106中以媒体文件格式数字地存储所捕捉到的数据。作为另一示例,用户102可以使用存储在计算设备104上的一个或多个内容创建程序(例如绘图程序,比如Microsoft Paint®)来创建或修改媒体文件。
此外或可替换地,用户102可以操作计算设备104以使计算设备104的一个或多个处理器108通过网络110访问和获取(例如下载)媒体文件。例如,用户102可以访问用户102可以从其下载媒体文件并且将它们存储在存储器106中的内容提供方网站。
相应地,媒体文件(无论它们是使用计算设备104的媒体捕捉组件和/或程序创建,还是通过网络110下载)可以存储在媒体文件储存112中,其被示出为包括在计算设备104的存储器106中。在该场景中,由用户102(1)收集并且存储在媒体文件储存112中的媒体文件可以表示用户的媒体文件的自身个人集合。
计算设备104可以实现为任何类型的计算设备,包括但不限于,个人计算机、膝上型计算机、平板计算机、便携式数字助理(PDA)、移动电话(例如智能电话)、数字相机、可穿戴计算机(例如智能手表)、机顶盒(STB)、游戏控制台、电子书阅读器等等。在一些实施例中,计算设备104的存储器106还可以包括用户简档和联系人储存114,以用于存储操作计算设备104的用户102的用户简档,以及那些用户102的联系人。在该场景中,用户102可以每一个能够登录/签到相应用户简档,使得每一个用户102的身份可以由计算设备104确定。在一些实施例中,可以在用户102启动或以其它方式操作计算设备104时调用默认用户简档。而且,用户简档可以表示用户102和/或用户102的组中的各个个体。例如,分享家庭计算设备104可以存储针对包括例如母亲、父亲、儿子和女儿的用户102的组的“家庭”简档。在用户简档和联系人储存114中维护的联系人可以与对应联系信息相关联,诸如一个或多个电话号码、电子邮件地址、社交联网账户名称等。
计算设备104的存储器106还可以包括元数据储存116,以存储与媒体文件储存112中的媒体文件相关联的元数据。元数据可以包括各种信息,包括但不限于指示何时创建、捕捉或修改媒体文件的时间戳信息、关于在其中创建媒体文件的地理位置的地理位置信息、描述包括在媒体文件中或者以其它方式与其相关联的人员的标签、媒体文件的性质(例如在图像/视频的上下文中——分辨率、对比度、纵横比、帧率等)、关于用户102与媒体文件之间的交互的用户行为数据118、用户102与媒体文件之间的社交交互在它们发生在一个或多个媒体文件分享服务122上时的社交数据120,以及类似的元数据。以下将更加详细地描述以用户行为数据118和社交数据120的形式的元数据,但是两种形式的元数据一般表示涉及与媒体文件储存112中的媒体文件的过去用户交互的数据,并且当该元数据与各个媒体文件相关联时,元数据可限定为可以通过其优先化媒体文件集的每一个单独媒体文件的特性。
在图1所图示的示例中,(多个)云存储服务126的媒体文件管理器124可以结合客户端侧应用(例如集成在计算设备104的操作***中的本机应用、被下载到计算设备104的应用、计算设备104的浏览器等)来操作,以允许以突显个人集合中的最重要的媒体文件的方式呈现媒体文件储存112中的媒体文件的至少子集。例如,存储在媒体文件储存112中的图像的个人集合中的最重要的图像的子集可以通过经由计算设备104的用户接口(UI)呈现那些图像来突显。重要的媒体文件可以从关于媒体文件的各种特性确定,至少包括以用户行为数据118和社交数据120的形式的前述用户交互特性。现在将描述围绕用户行为数据118和社交数据120的细节,以及收集和使用该元数据的方式。
行为追踪器128可以存储在存储器106中并且在计算设备104的一个或多个处理器108上可执行以追踪用户102的一个或多个行为(即每一个用户与各个媒体文件的交互)以获取用户行为数据118。例如,每一个用户102可以向计算设备104提供用户输入(例如使用鼠标或另一定点设备、触摸屏输入、语音输入等)以使关于各个媒体文件的操作在计算设备104上执行。例如,用户102可以通过向计算设备104的显示器提供基于触摸的输入来打开媒体文件,并且可以使用计算设备104上的媒体文件编辑程序或应用来编辑媒体文件。行为追踪器128可以与允许与媒体文件的用户交互的计算设备104上的任何应用或程序(例如图像查看器/编辑应用)集成,并且这样的应用或程序可以是构建到计算设备104的操作***中的本机(native)应用,或者通过网络110下载的独立、后继市场应用。
此外或可替换地,行为追踪器128可以配置成追踪与存储在其它存储设备和跨网络110的位置上的媒体文件的用户交互。例如,行为追踪器128可以配置成追踪与云中的媒体文件的用户交互,诸如存储在基于云的媒体文件储存138中的媒体文件。也就是说,当用户调用web浏览器或类似应用来查看、编辑或以其它方式与云中的媒体文件交互时,行为追踪器128可以追踪与基于云的媒体文件储存138中的媒体文件的用户交互。在该意义上,行为追踪器128可以实现成跨各种设备、应用和服务追踪用户行为,无论它们驻留在客户端设备104上还是在(多个)云存储服务126中。在一些实施例中,两个应用或程序之间的应用编程接口(API)可以允许行为追踪器128监视和追踪经由计算设备(诸如计算设备104)上的多个程序的用户交互。
以此方式,用户行为数据118可以从多个应用和服务整合,潜在地跨多个客户端计算设备104和经由(多个)云存储服务126发生的用户交互。照此,由行为追踪器128针对每一个用户102追踪的该用户行为数据118可以没有限制地包括由特定用户或用户组执行的与本地存储的媒体文件的交互,例如已经查看各个媒体文件的时间量、已经查看各个媒体文件的次数或频率、各个媒体文件已经被打开的次数或频率、各个媒体文件已经被“点击”的次数或频率(如与打开媒体文件区分的)、各个媒体文件被编辑的次数或频率、各个媒体文件已经被编辑到的程度、编辑各个媒体文件所花费的时间、在被查看时“将镜头移近到”各个媒体文件的次数或频率、各个媒体文件已经被分享的次数或频率、添加到各个媒体文件的标签(例如名称、关键词、等级等)、在可播放媒体文件(例如视频、动画等)上执行的暂停、回放、倒带和/或快进命令的数目、搜索或浏览数据,例如使用在执行对照媒体文件的查询中的搜索项和针对该搜索项返回的特定媒体文件、对照媒体文件应用的筛选器和在筛选之后留下的特定媒体文件、在与媒体文件的交互期间与时间和/或位置相关联的事件等等。由于用户102通常针对他们偏爱的媒体文件展现一些或全部的前述行为,因此使用行为追踪器128追踪该行为促进哪些媒体文件对用户102更重要的理解。另外,由于用户行为对每个用户102都是私人的(即不同用户将通常与不同媒体文件交互并且偏爱不同的媒体文件),因此针对每一个用户102追踪的用户行为数据118对每一个用户是独特的,从而提供可定制于每一个用户102的媒体文件的经优先化的排序。以此方式,接收本地用户交互的每一个单独媒体可以通过那些交互来表征,并且那些交互可以每用户102被分解。表130图示了与媒体文件1-P相关联的针对用户102(1)追踪的示例用户行为数据118。在该示例中,表130示出用户102(1)已经查看媒体文件1-P中的每一个的次数,以及媒体文件1-P中的每一个已经被用户102(1)查看的总时间。
除了在计算设备104的媒体文件储存112中存储个人集合的媒体文件之外,用户102可以利用前述云存储服务126(或文件托管服务)中的一个或多个来“在云中”存储器个人集合的媒体文件。适合于与本文所公开的实施例一起使用的一个说明性云存储服务126是从华盛顿州雷德蒙德的Microsoft®公司商业上可得到的OneDriveTM。用户102可以通过网络110经由计算设备104访问(多个)云存储服务126以用于访问、存储和以其它方式管理其媒体文件的个人集合。照此,网络110可以表示多个不同类型的有线和/或无线网络中的任一个或组合,诸如线缆网络、因特网、局域网、移动电话网络、广域网或这样的网络的组合。
(多个)云存储服务126可以实现为一个或多个服务132(1),…,132(Q)(集体地,132),可能地布置在集群中或者作为服务器农场,以托管用于用户102的媒体文件的存储服务。其它服务器架构也可以用于(多个)云存储服务126。在所图示的实现中,(多个)服务器132被示出为包括一个或多个处理器134和一个或多个形式的计算机可读介质136。(多个)服务器132还可以包括附加的数据存储设备(可移除和/或非可移除),诸如例如磁盘、光盘或磁带。这样的附加存储装置可以包括可移除存储装置和/或非可移除存储装置。计算机可读介质136可以包括至少两种类型的计算机可读介质136,即计算机存储介质和通信介质。计算机存储介质可以包括以任何方法或技术实现的易失性和非易失性、可移除和非可移除介质,以用于诸如计算机可读指令、数据结构、程序模块或其它数据之类的信息的存储。计算机存储介质包括但不限于,随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EEPROM)、闪速存储器或其它存储器技术、致密盘只读存储器(CD-ROM)、数字多功能盘(DVD)或其它光学存储装置、磁盒、磁带、磁盘存储装置或其它磁性存储设备,或任何其它非传输介质,其可以用于存储所期望的信息并且可以由(多个)服务器132访问。任何这样的计算机存储介质可以是(多个)服务器132的部分。而且,计算机可读介质136可以包括计算机可执行指令,其在由(多个)处理器134执行时,施行本文所描述的各种功能和/或操作。
相比之下,通信介质可以体现计算机可读指令、数据结构、程序模块或经调制的数据信号中的其它数据,诸如载波,或其它传输机制。如本文所定义的,计算机存储介质不包括通信介质。
一个或多个处理器134可以实现在硬件或软件或二者的组合中。硬件处理器的示例没有限制地包括硬件中央处理单元(CPU)、现场可编程门阵列(FPGA)、复杂可编程逻辑器件(CPLD)、专用集成电路(ASIC)、片上***(SoC)等等。
在一些实施例中,(多个)云存储服务126在基于云的媒体文件储存138内维护媒体文件。一般而言,数据同步可以发生在计算设备104和(多个)云存储服务126之间,使得添加到本地媒体文件储存112的媒体文件被复制在基于云的媒体文件储存138中以在本地媒体文件储存112和基于云的媒体文件储存138之间保存个人媒体文件集以维持多个存储位置之间的一致性。数据同步过程可以发生“在后台中”,诸如周期性地,当网络可用性和带宽允许发生同步时。此外,数据同步可以是单向的或在(多个)云存储服务126和计算设备104之间的双向同步。以此方式,存储在本地媒体文件储存112中的媒体文件集可以与存储在基于云的媒体文件储存138中的媒体文件集重叠,但是它们可以不在所有时间处都是等同的集合。例如,当用户102(1)向本地媒体文件储存112添加一个或多个新媒体文件时,以及在发生前述同步之前的时间处,新添加的(多个)媒体文件将不被复制在基于云的媒体文件储存138中。然而,一旦发生同步,新添加的(多个)媒体文件可以被复制到基于云的媒体文件储存138。用户102(1)可以可替换地删除本地媒体文件储存112中的一个或多个媒体文件,使得在发生同步之前,被删除的(多个)媒体文件可以存储在基于云的媒体文件储存138中,但是不在本地媒体文件储存112中。
计算机可读介质136还可以包括元数据储存140以存储与媒体文件储存138中的媒体文件相关联的元数据。元数据可以包括与以上参照本地元数据储存116描述的类型相同或至少类似类型的元数据。例如,元数据储存140可以包括用户行为数据118和社交数据120,并且该元数据一般可以以媒体文件在多个存储位置之间同步的相同方式在(多个)云存储服务126与计算设备104之间同步。例如,当行为追踪器128追踪本地计算设备104上的用户行为时,最初存储在本地元数据储存116中的行为数据118随后在同步时被复制在基于云的元数据储存140内的行为数据118中。以此方式,数据(即媒体文件及其相关联的元数据)可以以进行中的方式作为后台同步过程的部分而在计算设备104和(多个)云存储服务126之间被复制,以确保媒体文件和相关联的元数据以在多个存储位置之间一致的方式保持最新。
计算机可读介质136还可以包括用户账户储存142,其维护与用户102相关联的多个用户账户,使得征调(多个)云存储服务126的每一个用户102可以被标识和分配从(多个)云存储服务126可得到的存储器空间的部分。用户账户储存142可以包括用户验证信息(例如用户姓名和口令),使得用户102在她希望查看或以其它方式管理存储在媒体文件储存138中的媒体文件时可以登录/签到她的相应用户账户。例如,用户102可以将计算设备104上的web浏览器指向(多个)云存储服务126的web地址以查看/管理存储在媒体文件储存138中的媒体文件的其个人集合中。
在一些实施例中,用户102可以周期性地将媒体文件分享或发布到一个或多个媒体文件分享服务122,其可以实现为一个或多个服务器144(1),144(2)…,144(R)(集体地,144),可能地布置在集群中或者作为服务器农场,以托管用于用户102希望分享的媒体文件的媒体文件分享服务。(多个)媒体文件分享服务122可以表示社交联网服务(例如Facebook®、Twitter®等)或任何其它类型的文件分享服务(例如Flickr®、SmugMug®、Dropbox®等),其中用户102,作为社区,可以向维护与用户102的用户/社交简档相关联的媒体文件储存146中的所分享的媒体文件的(多个)媒体文件分享服务122分享或以其它方式发布媒体文件。具有关于(多个)媒体文件分享服务122的用户/社交简档的用户102的社区可以通过例如“喜欢”媒体文件、在媒体文件上评论、标记所分享的媒体文件中的人员等来与从社区发布的媒体文件交互。当用户102(1)经由(多个)媒体文件分享服务122与所分享的媒体文件交互时,媒体文件分享服务122可以在社交数据储存148内存储那些用户交互。例如,当用户102(1)“喜欢”由另一用户102(M)分享的数字图像,所述“喜欢”可以与社交数据储存148中的数字图像相关联。以此方式,丰富的社交数据120可以由媒体文件分享服务122搜集和维护,并且最终被收集在基于云的元数据储存140内。
从媒体文件分享服务122收集并且存储在基于云的元数据储存140中的社交数据120可以没有限制地包括与媒体文件的交互,诸如媒体文件的社交媒体赞同或不赞同,例如各个媒体文件已经被“喜欢”(大拇指向上)或“不喜欢”(大拇指向下)或被标记为最爱、评论数据的次数或频率,例如各个媒体文件已经被评论的次数或频率、已经对各个媒体文件进行评论的独特用户的数目、添加到各个媒体文件的标签(例如人员、关键词、等级等)、网络效应,诸如各个媒体文件已经被重新分享(例如分享、发布、发博客、发微博等)的次数或频率、各个媒体文件已经被推荐的次数或频率、已经与各个媒体文件交互的用户身份、用户102花费在查看各个媒体文件的时间量、各个媒体文件已经被查看的次数或频率、各个媒体文件已经被点击的次数或频率、在被查看时“将镜头移近到”各个媒体文件的次数或频率、与各个媒体文件相关联的评论内的文本、在与媒体文件的交互期间与时间和/或位置相关联的事件等等。照此,各个媒体文件可以通过这些社交交互表征,并且社交数据120可以相应地用于影响媒体文件的优先化。
如以上所提到的,媒体文件管理器124配置成通过优先化媒体文件以供呈现来管理用户的个人集合中的媒体文件。在一些实施例中,媒体文件管理器124包括用户授权模块150以在收集用户特定数据和将该数据用于媒体文件的优先化的情境中,获取用户授权以用于各种目的。用户授权模块150可以经由计算设备104上的屏幕上或经由与媒体文件管理器124相关联的最终用户许可协议来提示用户102其赞成。例如,用户授权模块150可以询问用户102(1)的准许以关于用户与媒体文件储存112中的媒体文件的交互来追踪她在计算设备104上的行为。当接收到这样做的用户赞成时,行为追踪器128可以在计算设备104上被启动以用于追踪用户行为数据118。类似地,用户授权模块150可以询问用户102对访问其在(多个)媒体文件分享服务122上的用户/社交简档以用于通过网络110收集社交数据120的目的的授权。当接收到这样做的用户授权时,可以通过网络110由(多个)云存储服务126获取社交数据120。
在一些实施例中,社交数据120的该传输可以经由推送通知来实现,其中,当用户102与(多个)媒体文件分享服务122上的媒体文件交互时,该交互的通知可以被推送到(多个)云存储服务126并且存储在元数据储存140中作为社交数据120。该社交数据120也可以与和所分享的媒体文件相同的媒体文件相关联,其可以被复制在基于云的媒体文件储存138中。此外,或可替换地,数据可以从(多个)媒体文件分享服务122拉取,诸如周期性地,以确定是否已经在(多个)媒体文件分享服务122上与任何所分享的媒体文件交互,并且如果是这样,该数据可以被拉取到(多个)云存储服务126并且与对应媒体文件相关联地存储在基于云的元数据储存140中。表152图示了与媒体文件1-S相关联的从(多个)媒体文件分享服务122收集的示例社交数据120。在该示例中,表152示出在媒体文件1-S中的每一个上接收到的“喜欢”数目和在媒体文件1-S中的每一个上接收到的评论数目。
用户授权模块150还可以询问用户102对经由(多个)媒体文件分享服务122上的其用户/社交简档访问社交图数据并且在社交图储存154中存储社交图数据的准许。社交图数据可以关于在(多个)媒体文件分享服务122上针对任何给定用户102建立的连接或关系信息。例如,社交图数据中的连接可以表示显式的社交连接,诸如在(多个)媒体文件分享服务122上指定的用户102的“朋友”。连接可以是指定连接性的不同水平的性质方面的层级,诸如朋友、家庭、同事等。其它隐含连接可以从(多个)媒体文件分享服务122和/或计算设备104导出并且存储为社交图储存154中的社交图数据的部分。例如,用户102(1)在(多个)媒体分享服务122上与其交互(诸如向其他用户102墙壁进行书写、与由其他用户102分享的媒体文件交互等等)的其他用户102可以被视为隐含的“连接”而不管显式连接的缺失,诸如“朋友”关系。作为另一示例,关于用户过去发电子邮件、呼叫、发文本或以其它方式与其通信的用户简档和联系人储存114中的联系人的信息对于社交图储存154可以是重要的并且被媒体文件管理器124所考虑。以此方式,任何给定用户102可以以各种不同的方式连接到用户102的社区中的其他用户102,并且这些连接可以在社交图储存154中表示。
在一些实施例中,媒体文件管理器124还包括收集使用在如本文所公开的优先化媒体文件中的各种类型的数据的数据收集器156。例如,数据收集器156可以经由推送通知从(多个)媒体文件分享服务122接收社交数据120以用于存储在元数据储存140中。可替换地,数据收集器156可以周期性地从媒体文件分享服务122拉取更新以收集社交数据120。一般而言,数据收集器156可以整合来自提供数据的任何数目的源的各种类型的数据使得其可以被分析和用作本文所讨论的优先化过程的部分。在一些实施例中,数据收集器156还可以配置成从一个或多个搜索引擎160(其可以实现为一个或多个服务器162(1),162(2),…,162(T)(集体地,162),可能地布置在集群中或作为服务器农场)收集链接数据158。具体地,(多个)搜索引擎160可以在指向每一个媒体文件的网站数目方面公开索引分享媒体文件。网站(或链接)的数目可以存储为链接数据158(或“PageRank”数据)。链接数据158可以用于影响媒体文件的优先化。设想到,数据收集器156可以从通过网络110可访问的任何合适数据源收集任何其它合适类型的数据。
以与用户行为数据118如何在计算设备104上被追踪和复制在基于云的元数据储存140中的类似的方式,由数据收集器156收集的数据(例如社交数据120、链接数据158等)可以通过可以在从(多个)云存储服务126到计算设备104的相反方向上运行的前述后台同步过程被周期性地复制在本地元数据储存116中。以此方式,与个人集合中的媒体文件相关联的元数据可以保持最新以得到多个存储位置之间的一致性。
在一些实施例中,媒体文件管理器124还可以包括媒体文件匹配器164以找到匹配存储在基于云的媒体文件储存138中的各个媒体文件的(多个)媒体文件分享服务122的存储在媒体文件储存146中的那些媒体文件。通过在(多个)云存储服务126与(多个)媒体文件分享服务122之间匹配媒体文件,(多个)云存储服务126可以能够确定用户的个人集合中的哪些媒体文件已经被分享到(多个)媒体文件分享服务122而不必在其经由用户102的计算设备104发生时监视所有分享活动。在一个人的个人集合中找到所分享的媒体文件的该方案考虑以下事实:媒体文件可以经由计算设备104以许多不同方式分享。例如,用户102(1)可以经由计算设备104上的照片查看器应用、计算设备104上的社交联网应用、在计算设备104上执行的指向(多个)媒体文件分享服务122的网站的浏览器等等来分享数字图像。取代于试图在它们被分享时监视哪些文件经由计算设备104被分享,媒体文件匹配器164配置成确定已经在“后端”被分享的文件。一旦确定匹配的媒体文件集,与各个匹配的媒体文件相关联的社交数据120可以被收集和存储在基于云的元数据储存140中。
媒体文件匹配器164可以利用任何合适的技术或准则以用于确定两个媒体文件是否匹配。在一些实施例中,重复检测算法可以由使用类似性度量的媒体文件匹配器164用于确定两个媒体文件是否匹配。在数字图像上下文中,这可以牵涉其中针对类似视觉特征或显著度(即像素数据)分析两个数字图像的图像分析技术。在一些实施例中,可以针对每一个图像生成特征矢量,并且可以创建在图像之间可比较的对应散列码以用于判断类似性。在音频文件上下文中,音频分析技术可以用于检测类似的基于声音的特征(例如声波、音调、幅度等)。在再其它的实施例中,可以比较两个媒体文件的元数据以确定匹配。再次,在数字图像的上下文中,可以比较相机序列号、时间数据和/或地理位置数据以确定是否存在所比较的元数据之间的匹配以用于确定对应媒体文件是否匹配。
在数据收集之后,可以由排序模块166执行的个人集合中的媒体文件的优先化,并且那些经排序的媒体文件的至少子集最终可以被媒体服务组件168服务或以其它方式经由计算设备104的显示器呈现。排序模块166配置成通过考虑各种因素和个人集合内的媒体文件的特性来优先化(分流或排序)用户102的个人集合中的媒体文件以供在客户端设备104上的呈现。例如,排序模块166可以考虑与媒体文件相关联的质量度量(例如分辨率、颜色等)以突显(例如更常呈现或首先呈现)具有高质量的图像、突显多样的图像集的多样性指示符,和/或如以上描述的体现在社交数据120中的用户交互特性,除可能影响优先化的其它因素和特性之外。用户交互特性可以至少包括体现在用户行为数据118中的用户行为和来自用户102的社区的用户交互二者的考虑,以及贡献于社交数据120的用户102与社区中的其他用户102之间的关系的当前状态。以此方式,关于任何给定用户102的针对任何给定媒体文件的排序可以在发生与该媒体文件的更多用户交互时随时间改变。
在一些实施例中,排序模块166可以访问表征各个媒体文件的用户行为数据118和社交数据120使得媒体文件可以根据那些用户交互特性来优先化/排序。各种类型的用户行为和社交交互可以均匀地加权,或者它们可以被指派不同的权重(例如非均匀地加权)和/或归一化以避免离群值。考虑数字图像作为说明性媒体文件示例,排序模块166可以考虑以下类型的用户行为数据118:(i)用户102(1)已经查看各个数字图像的次数,以及(ii)用户102(1)花费在查看各个数字图像的总时间。排序模块166还可以考虑以下类型的社交数据120:(iii)与各个数字图像相关联的“喜欢”数目,以及(iv)与各个数字图像相关联的评论数目。在简单示例中,与数字图像相关联的这四个用户交互特性可以用于按照四个特性之中的合计最高到最低发生统计量的顺序对媒体文件排序。例如,在用户102(1)花费在查看数字图像的次数、她花费在查看它的时间以及“喜欢”和数字图像在(多个)媒体文件分享服务122上接收到的评论的数目方面得分超过个人集合中的所有其它图像的数字图像将在个人集合中的数字图像之中排序最高。
在其它实施例中,可以采用对某些用户行为和社交交互比其它用户更重地加权的排序策略。以此方式,权重可以基于相应用户行为或社交交互的重要性和/或显著性来选择,并且媒体文件可以使用权重来基于其对用户102的重要性而排序和呈现。在该意义上,排序模块166可以分别考虑用于体现在用户行为数据118和社交数据120中的相应用户行为和社交交互的不同权重以提供区别排序方案或策略,其中某些行为和交互具有对媒体文件的优先化的更多或更少影响。
在一些实施例中,可以在每个用户的基础上采用迎合各个用户102或用户102的组的不同的排序方案/策略。例如,通过比与其它用户行为相关联的权重更多地加权涉及编辑媒体文件的用户行为,第一用户102(1)可以被呈现有主要基于那些媒体文件有多常被第一用户102(1)编辑而组织的媒体文件。这些权重的选择可以通过查看特定于第一用户102(1)的用户行为的历史并且分析用户行为以确定第一用户102(1)比行为追踪器128所追踪的任何其它类型的用户行为更常编辑媒体文件来确定。同时,通过比与其它用户行为相关联的权重更多地加权涉及分享媒体文件的用户行为,第二用户102(M)可以被呈现有主要基于那些媒体文件有多常被第二用户102(M)分享而组织的媒体文件。这些权重的选择可以通过查看特定于第二用户102(M)的用户行为的历史并且分析用户行为以确定第二用户102(M)比行为追踪器128所追踪的任何其它类型的用户行为更多地分享媒体文件来确定。这样,针对第一用户102(1)突显的媒体文件将是对第一用户102(1)更重要的那些媒体文件,因为相对于其它媒体文件,她在历史上更常编辑它们,具有更高频率,或者进行更长的时间段。相比而言,针对第二用户102(M)突显的媒体文件将是对第二用户102(M)更重要的那些媒体文件,因为相对于其它媒体文件,她在历史上更常分享它们或者具有更高频率。
在一些实施例中,排序模块166使用机器学习模型来促进媒体文件的优先化以确定各个媒体文件的对特定用户102重要性和与那些媒体文件相关联的用户交互(即用户行为和社交交互)之间的相关性。在一些实施例中,用户102可以向媒体文件管理器124提供反馈以证实经优先化的媒体文件是否对用户102是重要的,并且排序模块166可以从该数据学习以实现考虑针对特定用户102的最有影响的用户交互的排序方案/策略。用于与排序模块166一起使用的合适机器学习模型没有限制地包括人工神经网络、隐马尔科夫模型(HMM)、卡尔曼滤波器(或增强卡尔曼滤波器)、贝叶斯网络(或贝叶斯置信网络)、支持向量机(SVM)、决策树或使用算法来将输入(例如用户交互)有效地映射到输出(优先化)的任何合适的机器学习模型。要领会的是,由排序模块166使用的机器学习可以是有监督或无监督的机器学习。
媒体服务组件168配置成导致计算设备104上的经排序的媒体文件的至少子集的显示。例如,可以在计算设备104的UI上呈现最高排序媒体文件的子集以供选择以执行关于所选媒体文件的动作(例如分享所选媒体文件)。作为另一示例,媒体文件的子集或整个集合可以根据媒体文件的经排序顺序而呈现在例如幻灯片中。可以根据与媒体文件相关联的用户交互特性将最重要的媒体文件分组在组织结构中(例如可以将具有类似用户行为和与其相关联的社交交互的媒体文件分组在一起),并且可以对其进行操纵或以其它方式用于任何合适的动作,诸如通过网络110和/或向其它计算设备104分享最高排序的媒体文件。
在一些实施例中,媒体服务组件168配置成选择适当数目的媒体文件以针对用户102所请求的给定动作进行突显。例如,用户102可以调用具有将媒体文件附到要发送给接收者的电子邮件的功能性的电子邮件应用。在该示例中,媒体服务组件168可以为用户提供可能适合于电子邮件目的的有限数目的文件(例如限于五个数字图像)。在其它情境中,呈现给用户的媒体文件的所选数目可以不同,诸如当用户102调用短消息服务(SMS)文本功能性时,其中数目相比于电子邮件可能进一步受限。因此,要突显的媒体文件的所选数目可以取决于要在具有要被选择的媒体文件的计算设备104上执行的特定动作。在一些实施例中,媒体服务组件168可以呈现媒体文件的组,其中组以经排序的顺序,诸如当具有类似的用户交互数据的媒体文件被分组在一起并且组中的媒体文件之中的平均排序出于优先化的目的而与该组相关联。另外,要领会的是,可以针对单独用户102(1)(即用户特定优先化)或用户102的组(诸如家庭或其它类型的分享用户简档)执行媒体文件的优先化和呈现。
虽然图1图示了媒体文件管理器124以及其中的子组件存储在(多个)云存储服务126上或者可由其访问,但是在一些实例中,媒体文件管理器124中的这些组件中的一些或全部可以驻留在一个或多个其它实体上以在一个或多个其它实体上执行。例如,在一些实例中,媒体文件管理器124中的这些组件中的一些或全部可以驻留在计算设备104上以由(多个)处理器108执行。另外,在一些实例中,在(多个)云存储服务126上示出的组件可以向相应计算设备104提供代码以执行组件的相应功能性。以此方式,实现媒体文件管理器124及其子组件的任何量的工作负载可以跨设备划分(例如在(多个)云存储服务126与一个或多个客户端侧计算设备104之间划分)。
示例媒体文件优先化
图2是诸如存储在本地媒体文件储存112或基于云的媒体文件储存138中的任一个或二者中的媒体文件之类的来自媒体文件的个人集合的媒体文件202(1),202(2),202(3),…,202(K)(集体地,202)关于用户102的经排序的列表200的示例。经排序的列表200可以是图1中介绍的排序模块166的输出,其考虑体现在用户行为数据118和社交数据120中的用户交互特性。为此目的,图2还图示了每一个媒体文件202可以与数个媒体文件特性204相关联,包括前述用户交互特性,其中的一些在图2中关于媒体文件202(1)列出。图2中所示的特性204仅仅是示例,并且还可以使用其它特性,诸如媒体文件固有的特性,诸如质量度量(例如分辨率、对比度、颜色等)。任何或所有特性204可以用作根据一个或多个排序策略对媒体文件202排序的基础。
图2的经排序的列表200还图示了“重要性”得分206可以与经排序的列表200中的每一个媒体文件202相关联。重要性得分可以由排序模块166用作可以通过其关于彼此对媒体文件202排序的总体度量,并且重要性得分可以是至少用户行为数据118和社交数据120的函数,其示例在媒体文件特性204中示出。如以上讨论的,排序模块166可以考虑以任何组合的各种用户交互(即用户行为和社交交互)作为基于与各个媒体文件的这些用户交互优先化的基于规则的方案的部分。
示例媒体文件匹配
图3是用于将在媒体文件分享服务(诸如(多个)媒体文件分享服务122)上分享的文件300(1),300(2),…,303(J)(集体地,300)匹配到个人集合的文件302(1),302(2),…,302(H)(集体地,302)以便将社交数据(诸如社交数据120)链接到个人集合中的媒体文件302的示例技术的示意图。匹配可以由媒体文件匹配器164执行以找到匹配存储在基于云的媒体文件储存138中的各个媒体文件的存储在(多个)媒体文件分享服务122的媒体文件储存146中的那些媒体文件。所分享的媒体文件300典型地是与针对其优先化媒体文件的特定用户102的用户/社交简档相关联的那些,但是情况可能并非总是这样。也就是说,由(多个)媒体文件分享服务122维护的媒体文件300可以表示由用户102(1)经由她的社交简档分享的媒体文件、用户102(1)已经标记的媒体文件、由社区中的其他用户102发布到用户102(1)的“墙壁”的媒体文件等等,其总是其中媒体文件300可以与用户102(1)的社交简档相关联。然而,媒体文件300可能已经由社区中的不同用户102发布或以其它方式分享并且不与用户102(1)的社交简档相关联。例如,不同用户102(M)可以在(多个)媒体文件分享服务122上发布图片。
在一些实施例中,媒体文件匹配器164可以实现在计算设备104上使得所分享的媒体文件300的比较将关于存储在计算设备104的本地媒体文件储存112中的媒体文件。在任一情况下,效果是相同的,考虑到发生在(多个)云存储服务126与计算设备104之间的同步以维持多个存储位置之间的一致个人媒体文件集。
如以上提到的,媒体文件匹配器164可以利用任何合适的技术或准则以用于确定两个媒体文件是否匹配。在一些实施例中,重复检测算法可以由媒体文件匹配器164利用,其使用类似性度量来确定两个媒体文件是否匹配。在数字图像上下文中,这可能牵涉图像分析技术,其中针对类似的视觉特征或显著度(即像素数据)来分析两个数字图像。在一些实施例中,可以针对每一个图像生成特征矢量,并且可以创建在图像之间可比较的对应散列码以用于判断类似性。在再其它的实施例中,可以比较两个媒体文件的元数据以确定匹配。再次,在数字图像的上下文中,可以比较相机序列号、时间数据和/或地理位置数据以确定是否存在针对要被视为匹配的两个媒体文件的阈值处或超过该阈值的类似性。在任何情况下,媒体文件匹配器可以基于所分享的媒体文件300与个人集合中的媒体文件302之间的比较来确定匹配的媒体文件集304。
该方案允许发现已经通过可能不与媒体文件管理器124或其相关联的客户端侧程序相关联的程序或应用分享的媒体文件302的个人集合中的各个媒体文件。以此方式,不必监视经由下载到计算设备104的第三方应用分享发生在计算设备104处的活动。在一个说明性示例中,媒体文件匹配器164可以标识由用户102(1)经由客户端计算设备104(1)上的第三方应用分享的一个或多个媒体文件300。在另一示例中,媒体文件匹配器164可以标识由不同用户102(M)分享并且随后由用户102(1)下载的一个或多个媒体文件300。以此方式,媒体文件匹配器164可以标识匹配的媒体文件而不管(多个)媒体文件分享服务122上的与用户102(1)的任何关联性。一旦确定匹配集304,与匹配集304中的各个媒体文件相关联的社交数据120可以在306处通过与维护在(多个)云存储服务126中的匹配集304相关联地将所收集到的社交数据120存储在基于云的元数据储存140中而与用户102的个人集合中的媒体文件的实例相关。
示例用户接口(UI)
图4A图示了具有呈现用于分享的经优先化的媒体文件402(1),402(2),402(3),402(4),402(5)和402(6)的示例用户接口(UI)400的屏幕渲染的以平板计算设备的形式的示例客户端计算设备104(2)。UI 400仅仅是用于呈现和作用于由排序模块166确定并且由媒体服务组件168呈现的最重要的媒体文件402(1)-(6)的合适方式的一个说明性示例。在图4A的说明性示例中,UI 400包括标头部分404,其可以包括导航工具(例如屏幕上导航元件、告知用户102它们正在执行“照片/视频分享应用”的标头描述,以及在其完成之前中止分享动作的取消按钮。在该示例中,UI 400的选择部分406包括表示个人集合中的媒体文件的子集的媒体文件402(1)-(6),诸如存储在本地媒体文件储存112或基于云的媒体文件储存138或二者中的媒体文件的完整储存库。媒体文件402(1)-(6)的子集可以被选作集合之中的最高排序媒体文件,如由排序模块166确定的那样。
在图4A的上下文中,媒体文件402(1)-(6)表示用户102希望经由照片/视频分享应用分享的图像。用户102可以选择已经自动提供给用户102以供选择而没有用户介入的媒体文件402(1)-(6)的子集中的一些或全部,并且可以选择分享按钮408以分享媒体文件中的所选个体。以此方式,使用户102免于整理媒体文件的大量集合以找到要分享的最重要的文件的努力。如果用户102对媒体文件402(1)-(6)的选择不满意,用户102可以可选地通过选择链接410以选取用于分享的其它媒体文件来导航到其整个媒体文件集。此外或可替换地,可以提供用户反馈机制412,诸如经由链接,以允许用户102为媒体文件管理器124提供其可以用于学习关于用户针对媒体文件的偏好并且作为结果实现对排序模块166所使用的排序策略的改变的反馈。反馈可以是正面或负面的以允许排序模块166以整合反馈并且利用机器学习模块将用户行为的类型和指示对提供反馈的特定用户102的重要性的社交交互相关。
虽然将示例UI 400渲染为计算设备104(2)上的本地应用或程序的部分,但是要领会的是,在其它实例中,可以将UI 400渲染为基于web的实现(例如由(多个)云存储服务126服务并且经由计算设备104(2)上的web浏览器渲染的网页,或者任何其它UI机制。
图4B图示了图4A的示例客户端计算设备104(2),这次具有根据另一实施例的以幻灯片格式呈现经优先化的媒体文件的另一示例UI 414的屏幕渲染。UI 414仅仅是用于呈现由排序模块166确定的最重要的媒体文件416(1)-(9)的合适方式的一个说明性示例。在图4B的说明性示例中,UI 414包括标头部分418,其可以包括导航工具(例如屏幕上导航元件,以及告知用户102它们当前正在执行“照片/视频观看应用”的标头描述,除可以在标头部分418中提供的其它信息之外。UI 414包括其中呈现媒体文件416(1)-(9)的呈现部分420。媒体文件416(1)-(9)可以表示个人集合中的媒体文件的子集,诸如存储在本地媒体文件储存112或基于云的媒体文件储存138或二者中的媒体文件的完整储存库。媒体文件416(1)-(9)的子集可以相对于通过排序模块166接收到较低排序的个人集合中的其它媒体文件首先在幻灯片中呈现。以此方式,用户102可以由于集合中的最重要的媒体文件而感到高兴,其中较低排序媒体文件稍后在幻灯片中呈现,或者完全从幻灯片中省略。为了决定省略哪些媒体文件,媒体服务组件168可以参照预确定的阈值以在例如仅前50个媒体文件处截止呈现。该预确定的阈值可以是基于其中要呈现媒体文件的上下文或应用,在该情况下,幻灯片可以限于仅示出前50个媒体文件。其它上下文或应用可以选择更多或更少的媒体文件进行突显以供呈现。例如,单个最高排序媒体文件或最高排序媒体文件的子集可以在计算设备104(2)上的主屏幕的“实况拼块”中呈现。用于该实施例的合适实现的一个示例是由从华盛顿州雷德蒙德的Microsoft®公司商业上可得到的Windows®操作***提供的“实况拼块”功能性。以此方式,主屏幕可以滚动通过计算设备104(2)上的最高排序媒体文件。作为又一示例,媒体服务组件168可以呈现最高排序媒体文件以供用户选作计算设备104(2)上的背景UI的“壁纸”。在本文中预想到各种合适的呈现场景,并且呈现方案不受图4A和4B中所示的那些限制。
示例过程
图5-9是根据本文所公开的实施例的示例过程的流程图。将过程图示为逻辑流程图中的块的集合,其表示可以实现在硬件、软件或其组合中的操作序列。在软件的上下文中,块表示存储在一个或多个计算机可读存储介质上的计算机可执行指令,其在由一个或多个处理器执行时,施行所叙述的操作。一般地,计算机可执行指令包括例程、程序、对象、组件、数据结构等,其执行特定功能或实现特定抽象数据类型。以其描述操作的顺序不旨在被解释为限制,并且任何数目的所描述的块可以以任何顺序和/或并行组合以实现该过程。而且,在一些实施例中,可以完全省略过程的一个或多个块。
图5是基于与媒体文件中的各个个体相关联的用户行为数据118和社交数据120对媒体文件排序的说明性过程500的流程图。参照图1的架构100并且特别地参照排序模块166和媒体文件匹配器164(除图1中所示的其它元件之外)来描述过程500。
在502处,排序模块166可以访问与存储在用户102的客户端计算设备104上或与用户102相关联的基于云的存储位置中的媒体文件集中的各个媒体文件相关联的用户行为数据118。用户行为数据118可以从基于云的元数据储存140访问,或者当排序功能功能性提供在计算设备104上时从本地元数据储存116访问。包括在集合中的媒体文件可以是图像、视频或任何其它合适的媒体文件类型或媒体文件类型的组合(例如多媒体文件)中的一个或多个,并且针对这些各个媒体文件访问的用户行为数据118可以包括已经由行为追踪器128追踪并且存储为用户行为数据118的任何合适的用户行为。例如,排序模块166可以在502处访问特定用户102(1)关于集合中的媒体文件的行为数据,其指定用户102(1)已经编辑媒体文件的次数(例如使用图像编辑应用的编辑动作)。可以可替换地或与其他本地用户行为组合地访问所追踪和存储的其他本地用户行为。
在504处,排序模块166可以访问与被确定已经在(多个)媒体文件分享服务122上分享的集合中的媒体文件中的一个或多个相关联的社交数据120。社交数据120可以从基于云的元数据储存140访问,或者当排序功能性提供在计算设备104上时从本地元数据储存116访问。而且,针对其访问社交数据120的一个或多个媒体文件是已经由媒体文件匹配器164确定为在媒体文件集与媒体文件分享服务122之间的媒体文件的公共/匹配集304的那些媒体文件。如以上所描述的,匹配集304可以通过任何合适的技术确定,诸如通过使用重复检测算法来扫描媒体文件分享服务上的媒体文件以确定哪些(如果有的话)匹配用户102的个人集合中的那些。以此方式,在504处访问的社交数据120可以限于文件的匹配集304。
在506处,排序模块166基于在502处访问的用户行为数据118和在504处访问的社交数据120对集合中的媒体文件排序或优先化。要领会的是,在一些实例中,集合中的各个媒体文件可能并未分享到媒体文件分享服务122。然而,那些文件仍旧要包括在经排序的集中;它们将仅根据与它们相关联的用户行为数据118进行排序,而被确定已经分享到(多个)媒体文件分享服务122的集合中的其余媒体文件使用与它们相关联的用户行为数据118和社交数据120二者来排序。在一些实施例中,可以在506处的排序中考虑附加因素,诸如起作用以显现超过较低质量媒体文件的较好质量媒体文件(例如视觉上更令人愉悦的图像)的质量度量、显现媒体文件的多样集的多样性度量、显现超过较不相关的媒体文件的更加相关的媒体文件(例如用户102使用偏好的行为与其交互的那些,和/或作为用户102在社交平面上与其交互的熟识的那些等)的相关性度量。
在一些实施例中,506处的排序步骤牵涉确定针对集合中的每一个媒体文件的重要性得分的子步骤508。也就是说,表征各个媒体文件的体现在用户行为数据118和社交数据120中的统计量可以组合或以其它方式用于在508处计算总体“重要性得分”,其确定相对于集合中的其它媒体文件的排序顺序。以此方式,与集合中的每一个媒体文件相关联的排序值是可定量的。
图6是基于媒体文件的排序呈现媒体文件集中的媒体文件的说明性过程600的流程图。参照图1的架构100并且特别地参照包括媒体服务组件168的媒体文件管理器124(除图1中所示的其它元件之外)来描述过程600。而且,如通过图5和6二者中的换页参考标记“A”所示,过程600在一些实施例中可以从过程500的步骤506继续,因为假定媒体文件的集合在启动过程600的时间处已经由排序模块166排序。
在602处,媒体文件管理器124可以接收指示对执行关于媒体文件(诸如存储在本地媒体文件储存112或基于云的媒体文件储存138中的媒体文件)集合中的媒体文件的动作的请求的用户输入的指示。例如,在计算设备104上执行的浏览器可以允许用户102调用(多个)云存储服务126上的媒体文件管理器124以提供用户输入,或者可替换地,可以在计算设备104上调用/开启独立客户端侧应用或程序,其中用户102可以经由客户端侧应用或程序提供用户输入,其可以进而在本地或通过网络110访问媒体文件管理器124。在任何情况下,用户输入可以指示呈现动作(例如启动幻灯片呈现)、分享集合中的媒体文件的子集的分享动作、用户定制动作(例如将图像指定为计算设备104上的背景或“壁纸”,或者牵涉集合中的媒体文件的任何类似动作。
在604处,媒体服务组件168可以基于该动作选择集合中的媒体文件的子集。再次,由于媒体文件已经由排序模块166排序,如所示和参照图5的过程500所描述的,因此604处的子集的选择可以包括选择集合中的预确定数目的最高排序媒体文件(例如前10个媒体文件)。取决于602中的用户输入所指示的动作,在604处选择的媒体文件的数目可以变化。例如,幻灯片动作可以允许选择要在幻灯片中呈现的较大子集,而分享动作可以允许要分享的媒体文件的较小子集,诸如通过无线接口到另一计算设备104和/或通过网络110到媒体文件分享服务110。
在606处,做出关于由602处的用户输入所指示的动作是否牵涉子集中的各个媒体文件的用户选择的确定。如果不是,过程600可以进行到608,其中在子集上执行动作。例如,用户可以在602处提供输入以启动幻灯片呈现,并且606处的确定是不存在牵涉在呈现幻灯片中的用户选择,因此在608处针对媒体文件的子集呈现幻灯片。
如果在606处确定用户选择涉及在602处指示的动作,则过程600可以进行到610,其中为用户呈现有媒体文件的子集以供选择。用户102可以在610处选择所呈现的子集中的一些或全部。例如,用户可以选择子集中的几个媒体文件以在媒体文件分享服务122上与朋友分享。在612处,在用户所选的媒体文件(例如分享所选媒体文件)上执行动作。
图7是追踪与个人集合中的各个媒体文件相关联的用户行为数据118的说明性过程700的流程图。参照图1的架构100并且特别地参照行为追踪器128来描述过程700。
在702处,行为追踪器128追踪与个人集合中的各个媒体文件相关联的用户行为数据118。例如,行为追踪器128可以***到配置成在程序的上下文中或在提供其间的API的其他程序的上下文中监视与各个媒体文件的用户交互的客户端计算设备104上的程序中。例如,计算设备104上的照片查看/编辑应用可以允许相关联的用户102(1)以各种方式与个人集合中的数字图像交互,诸如查看、编辑(例如颜色编辑、对比度调节、裁剪等)。行为追踪器128可以关于数字图像和作为表征用户102(1)与其交互的每一个数字图像的用户行为数据118的相关联的那些行为来监视用户102(1)的这些行为。
在704处,可以将由行为追踪器128追踪的用户行为数据118传输至(多个)云存储服务126以用于与被复制在云存储服务126的存储位置中的与用户102(1)相关联的媒体文件的个人集合相关联。例如,云存储服务126与用户102(1)的计算设备104之间的后台同步过程可以通过在网络110之上传输用户行为数据118来使用户行为数据118复制在基于云的元数据储存140中。以此方式,用户行为数据118可以在702处在客户端计算设备104上被恒定地追踪并且与(多个)云存储服务126同步以提供多个存储位置之间的元数据中的一致性,使得其可以容易地从任一个或两个位置访问。
图8是收集与个人集合中的各个媒体文件相关联的社交数据120的说明性过程800的流程图。参照图1的架构100和图3的示意图,并且特别地参照数据收集器156和媒体文件匹配器164(除图1和3中所示的其它元件之外)来描述过程800。
在802处,媒体文件匹配器164可以比较来自媒体文件的个人集合中的各个媒体文件(第一媒体文件集)的信息(例如元数据、内容特征,比如视觉或音频特征等)与来自已经分享到媒体文件分享服务122的各个媒体文件(第二媒体文件集)的信息(例如元数据、内容特征,比如视觉或音频特征等)。在一些实施例中,第二媒体文件集是与拥有媒体文件的个人集合的用户102(1)的简档相关联的媒体文件分享服务122上的媒体文件的子集。例如,用户102(1)可能经由她的社交简档分享了数字图像或视频,她的社交简档可以被标记在由其他用户102在媒体文件分享服务122上分享的图像或视频中,或者用户102(1)可以出现在由其他用户102分享的图像或视频中,等等。在其它实例中,第二媒体文件集可以不与用户102(1)相关联,诸如当不同用户102(M)发布或分享第二媒体文件集中的一个或多个媒体文件时。将已经分享的媒体文件“池”与用户102(1)的个人集合中的各个媒体文件比较。如以上所描述的,比较可以使用重复检测算法或类似的比较技术来比较来自两个媒体文件的信息。
在804处,由媒体文件匹配器164基于802处的比较来确定媒体文件的匹配集(公共集)。也就是说,个人集合中和媒体文件分享服务122上二者的媒体文件可以包括在匹配集中。用于确定两个文件匹配的匹配准则可以基于距离度量或从重复检测算法导出的其它类似性测量,如以上所描述的。
在806处,数据收集器156收集与媒体文件的匹配集相关联的社交数据120。社交数据120可以是可以从媒体文件分享服务122获取的任何合适类型的用户交互数据,诸如喜欢数目、评论数目等等。在808处,可以将所收集到的社交数据120传输到与个人集合相关联的用户102(1)的计算设备104以用于与个人集合中的媒体文件的匹配集相关联。例如,云存储服务126与用户102(1)的计算设备104之间的后台同步过程可以通过在网络110之上传输社交数据120来使社交数据120复制在本地元数据储存122处。以此方式,社交数据120可以在806处由云存储服务126重复地收集并且与客户端计算设备104同步以提供多个存储位置之间的元数据中的一致性,使得其可以容易地从任一个或两个位置访问。
图9是使用用户可定制的排序方案对媒体文件排序的说明性过程900的流程图。在902处,可以将用户102(1)标识为与媒体文件集相关联。例如,登录到具有存储在其上的由用户102(1)的用户简档可访问的媒体文件集的客户端计算设备104的用户102(1)可以凭借登录过程来标识(绑定到用户102(1)的证书的接收)。在其它实施例中,可以利用其它类型的标识技术,诸如通过接收生物计量信息(例如指纹、面部识别等),可能地在用户102(1)操作客户端设备104时。
在904处,可以针对用户102(1)确定针对不同类型的用户行为的相对偏好。例如,媒体文件管理器124可以分析由用户102(1)执行的行为历史并且可以以各种方式确定针对某些用户行为的偏好。例如,媒体文件管理器124可以分析用户102(1)已经执行任何给定行为(例如编辑、查看、分享等)的次数、频率或时间量以确定作为最高发生、最高频率和/或最高时间量的行为的主要行为。从该信息,可以推到对于某些行为超过其它的偏好。例如,比她打印媒体文件更常得多并且以更大数目分享媒体文件的用户102可以被确定成具有超过打印媒体文件的对于分享的偏好。
在其它实施例中,在904处确定的相对偏好可以基于机器学习模型,其将各个媒体文件的重要性相关到与那些媒体文件相关联的特定用户102和用户行为。这可以通过由用户102提供的反馈来使得能够实现以证实经优先化的媒体文件是否对用户102是重要的,使得排序模块166可以从该反馈学习以确定偏好行为。
在906处,可以基于904处确定的相对偏好来向用户行为指派权重。例如,较高权重可以与优选用户行为相关联。继续以上示例,可以向分享媒体文件的用户行为指派比打印的用户行为更高的权重,因为用户102(1)建立了超过打印媒体文件的对于分享媒体文件的偏好。
在908处,排序模块166可以基于针对向其指派权重的用户行为的所指派的权重对媒体文件集排序。以此方式,可以在每个用户的基础上采用迎合各个用户102或用户102的组的不同的排序方案/策略。也就是说,对针对每一个单独用户102或用户102的组的媒体文件优先化影响最多的用户行为将相应地由排序模块166在考虑用户行为数据118中根据对哪些媒体文件排序来加权。
尽管在确定针对不同类型的用户行为的用户偏好方面描述图9,但是过程900可以类似地应用于向社交数据120指派权重以使社交数据120的使用可定制于特定用户102。例如,与不同用户102相关联的社交数据120可以承载取决于过程900中的902处标识的用户102(1)和与社交数据120相关联的不同用户102与用户102(1)之间的关系的当前状态的不同权重。具体地,用户102(1)的家庭成员可以“喜欢”或评论用户102(1)的集合中的媒体文件,其将表示影响家庭成员与其交互的媒体文件的排序的社交数据120。家庭成员紧密涉及用户102(1)这一事实可以使排序模块166向与家庭成员相关联的社交数据120指派指示家庭成员的社交交互对该媒体文件对用户102(1)的重要性的可能影响的权重。然而,“喜欢”或评论来自不紧密涉及家庭成员或用户102(1)的不同用户102(M)的媒体文件的相同家庭成员用户可能不将针对用户102(M)的排序影响到其针对用户102(1)所影响的程度。换言之,权重可以至少部分地基于在902处标识的用户102(1)和与排序模块166所使用的社交数据120相关联的(多个)用户102之间的现有关系而与社交数据120相关联。
在一些实施例中,由排序模块166使用的社交数据120可以基于针对某些类型的社交交互的用户102的社区中的某些用户102的学习偏好来加权。也就是说,比她“喜欢”媒体文件更常评论媒体文件的用户102(M)可以指示来自用户102(M)的评论可以比来自用户102(M)的“喜欢”更重地影响媒体文件的排序,或者反之亦然,这取决于如何利用社交数据120。
本文所描述的环境和各个元件当然可以包括许多其它的逻辑、程序和物理组件,其中在附图中示出的那些仅仅是涉及本文的讨论的示例。
在给定示例中假定本文所描述的各种技术实现在计算机可执行指令或软件的一般上下文中,诸如程序模块,其存储在计算机可读存储装置中并且由一个或多个计算机或其它设备(诸如图中图示的那些)的(多个)处理器执行。一般地,程序模块包括例程、程序、对象、组件、数据结构等,并且限定用于执行特定任务或实现特定抽象数据类型的操作逻辑。
其它架构可以用于实现所描述的功能性能,并且旨在处于本公开的范围内。另外,尽管以上出于讨论的目的而限定了具体的责任分配,但是各种功能和责任可能取决于环境而以不同方式分配和划分。
类似地,软件可以以各种方式和使用不同构件来存储和分布,并且以上描述的特定软件存储装置和执行配置可以以许多不同方式变化。因此,实现以上描述的技术的软件可以分布在各种类型的计算机可读介质上,不限于具体描述的存储器形式。
示例一:一种方法,包括:通过一个或多个计算设备访问用户的行为数据,行为数据与存储在用户的客户端设备上或与用户相关联的基于云的存储位置中的媒体文件集中的各个媒体文件相关联;通过所述一个或多个计算设备访问与被确定已经在媒体文件分享服务上分享的媒体文件集的一个或多个媒体文件相关联的社交数据;以及通过所述一个或多个计算设备至少部分地基于行为数据和社交数据对媒体文件集排序。
示例二:示例一的方法,还包括使媒体文件集中的第一媒体文件和第二媒体文件的表示以至少部分地基于所述排序的顺序呈现在查看设备上。
示例三:之前示例中任一个的方法,单独或组合,其中媒体文件集中的第一媒体文件的排序高于媒体文件集中的第二媒体文件,并且使第一媒体文件的表示呈现在查看设备上以供在执行关于第一媒体文件的动作中选择。
示例四:之前示例中任一个的方法,单独或组合,其中所述动作包括以下中的至少一个:通过网络将第一媒体文件分享到远离查看设备的计算设备,打印第一媒体文件,将第一媒体文件保存为用于查看设备的壁纸(例如桌面背景),或将第一媒体文件与查看设备上的用户的联系人相关联。
示例五:之前示例中任一个的方法,单独或组合,还包括:标识用户;分析用户的过去行为(例如查看、分享、编辑等)以确定超过第二用户行为的对第一用户行为的用户偏好;以及至少部分地基于用户偏好向第一用户行为指派第一权重和向第二用户行为指派第二权重,第一权重高于第二权重,其中排序还至少部分地基于第一权重和第二权重。
示例六:一个或多个计算机可读存储介质,包括存储由计算设备的一个或多个处理器可执行以使计算设备执行包括以下的动作的多个编程指令的存储器:访问用户的行为数据,行为数据与存储在用户的客户端设备上或与用户相关联的基于云的存储位置中的媒体文件集中的各个媒体文件相关联;访问与媒体文件集的一个或多个媒体文件相关联的社交数据,在确定一个或多个媒体文件的副本被分享到媒体文件分享服务的网站时从媒体文件分享服务获取社交数据;以及至少部分地基于行为数据和社交数据对媒体文件集排序。
示例七:示例六的一个或多个计算机可读存储介质,其中确定一个或多个媒体文件的副本被分享到媒体文件分享服务的网站进一步包括:比较网站上的与各个媒体文件相关联的信息(例如独特于各个媒体文件的信息,诸如独特元数据、针对图像的视觉特征、针对音频文件的音频特征等)和与媒体文件集中的各个媒体文件相关联的信息;以及至少部分地基于所述比较来标识一个或多个媒体文件的副本。
示例八:之前示例中的任一个的一个或多个计算机可读存储介质,单独或组合,还包括从媒体文件分享服务获取社交数据并且在访问社交数据之前将社交数据与媒体文件集的一个或多个媒体文件相关联。
示例九:之前示例中的任一个的一个或多个计算机可读存储介质,单独或组合,还包括在访问行为数据之前追踪用户与媒体文件集中的各个媒体文件的交互以获取行为数据。
示例十:之前示例中的任一个的一个或多个计算机可读存储介质,单独或组合,其中与网站上的各个媒体文件相关联的信息包括从针对网站上的各个媒体文件生成的特征矢量导出的代码,并且其中比较利用基于所述代码的重复检测算法。
示例十一:之前示例中的任一个的一个或多个计算机可读存储介质,单独或组合,其中与网站上的各个媒体文件相关联的信息包括相机序列号、时间信息或地理位置信息中的至少一个。
示例十二:之前示例中的任一个的一个或多个计算机可读存储介质,单独或组合,还包括接收对访问用户简档以用于获取社交数据的用户赞成。
示例十三:一种***,包括:一个或多个处理器;以及存储计算机可执行指令的存储器,所述计算机可执行指令在由一个或多个处理器执行时,使一个或多个处理器执行包括以下的动作:访问用户的行为数据,行为数据与存储在用户的客户端设备上或与用户相关联的基于云的存储位置中的媒体文件集中的各个媒体文件相关联;访问与被确定已经在媒体文件分享服务上分享的媒体文件集的一个或多个媒体文件相关联的社交数据;以及至少部分地基于行为数据和社交数据对媒体文件集排序。
示例十四:示例十三的***,其中行为数据包括关于用户与媒体文件集中的各个媒体文件的交互的数据。
示例十五:之前示例中的任一个的***,单独或组合,其中社交数据包括关于一个或多个媒体文件的社交赞同或不赞同数据或关于一个或多个媒体文件的评论数据中的一个或多个。
示例十六:之前示例中的任一个的***,单独或组合,所述动作还包括使媒体文件集中的至少一些媒体文件的表示至少部分地基于所述排序来呈现。
示例十七:之前示例中的任一个的***,单独或组合,动作还包括:接收执行关于媒体文件集中的媒体文件的动作的用户输入;至少部分地基于所述动作选择媒体文件集的子集;以及在子集上执行所述动作。
示例十八:之前示例中的任一个的***,单独或组合,其中动作包括以下中的至少一个:通过网络将所述子集中的一个或多个媒体文件分享到远程计算设备,打印所述子集中的一个或多个媒体文件,启动所述子集的幻灯片呈现,将所述子集呈现为查看设备上的实况拼块,将所述子集的媒体文件保存为查看设备的壁纸(例如桌面背景),或将所述子集的媒体文件与用户的联系人相关联。
示例十九:之前示例中任一个的***,单独或组合,动作还包括:标识用户,分析用户的过去行为(例如查看、分享、编辑等)以确定超过第二用户行为的对第一用户行为的用户偏好;以及至少部分地基于用户偏好向第一用户行为指派第一权重和向第二用户行为指派第二权重,第一权重高于第二权重,其中排序还至少部分地基于第一权重和第二权重。
示例二十:之前示例中任一个的***,单独或组合,其中相比于第二用户行为,过去的用户行为指示用户执行第一用户行为(i)更大的次数,(ii)以更高的频率,或(iii)在更长的时间段内。
示例二十一:一种***,包括:用于存储计算机可执行指令的构件(例如存储器、计算机可读存储介质,诸如RAM、ROM、EPROM、闪速存储器等);以及用于执行计算机可执行指令的构件(例如(多个)处理器,包括例如(多个)硬件处理器,诸如CPU、SoC等)以导致包括以下的动作的执行:访问用户的行为数据,行为数据与存储在用户的用于计算的构件(例如个人计算机、膝上型计算机、智能电话等)上或在与用户相关联并且远离用于计算的构件定位且由用于计算的构件通过用于去向和来自远程定位的设备接收和传输数据的构件(例如网络,诸如因特网、电信网络、无线网络等)可访问的用于存储媒体文件的构件(例如基于web的(“云”)存储服务的数据库或数据储存、文件托管服务的数据库或数据储存等)中的媒体文件集中的各个媒体文件相关联;访问与被确定已经在用于存储所分享的媒体文件的构件(例如媒体文件分享服务的数据库或数据储存、社交联网服务的数据库或数据储存等)上分享的媒体文件集的一个或多个媒体文件相关联的社交数据;以及至少部分地基于行为数据和社交数据对媒体文件集排序。
示例二十二:示例二十一的***,其中动作包括以下中的至少一个:通过用于去向和来自远程定位的设备接收和传输数据的构件(例如网络,诸如因特网、电信网络、无线网络等)向用于计算的远程构件(例如远程个人计算机、远程膝上型计算机、远程智能电话、媒体文件分享服务的数据库或数据储存、社交联网服务的数据库或数据储存等)分享子集中的一个或多个媒体文件,打印子集中的一个或多个媒体文件,启动子集的幻灯片呈现,将子集呈现为用于查看媒体文件的构件(例如显示器,诸如电视显示器、个人计算机、膝上型计算机、智能电话等的显示器)上的实况拼块,将子集的媒体文件保存为用于查看媒体文件的构件(例如显示器,诸如电视显示器、个人计算机、膝上型计算机、智能电话等的显示器)的壁纸,或者将子集的媒体文件与用户的联系人相关联。
结论
最后,尽管已经以特定于结构特征和/或方法学动作的语言描述了各种实施例,但是要理解的是,在随附表示中限定的主题不一定限于所描述的具体特征或动作。而是,该具体特征和动作作为实现所要求保护的主题的示例形式而公开。
Claims (15)
1.一种方法,包括:
通过与一个或多个计算设备的一个或多个媒体文件查看应用集成的行为追踪器追踪与存储在用户的客户端设备上或与用户相关联的基于云的存储位置中的媒体文件集中的各个媒体文件的用户交互;
将所追踪到的用户交互存储为行为数据;
通过一个或多个计算设备访问行为数据;
通过一个或多个计算设备的媒体文件匹配器通过比较媒体文件之间的特征来确定匹配媒体文件集中的各个媒体文件的存储在媒体文件分享服务上的媒体文件;
存储与一个或多个匹配的媒体文件相关联的社交数据;
通过所述一个或多个计算设备访问社交数据;以及
通过所述一个或多个计算设备至少部分地基于行为数据和社交数据对媒体文件集排序。
2.权利要求1的方法,还包括使媒体文件集中的第一媒体文件和第二媒体文件的表示以至少部分地基于所述排序的顺序呈现在查看设备上。
3.权利要求1的方法,其中媒体文件集中的第一媒体文件的排序高于媒体文件集中的第二媒体文件,并且使第一媒体文件的表示呈现在查看设备上以供在执行关于第一媒体文件的动作中选择。
4.权利要求3的方法,其中所述动作包括以下中的至少一个:通过网络将第一媒体文件分享到远离查看设备的计算设备,打印第一媒体文件,将第一媒体文件保存为用于查看设备的壁纸,或将第一媒体文件与查看设备上的用户的联系人相关联。
5.权利要求1的方法,还包括:
标识用户;
分析用户的过去行为以确定超过第二用户行为的对第一用户行为的用户偏好;以及
至少部分地基于用户偏好向第一用户行为指派第一权重和向第二用户行为指派第二权重,第一权重高于第二权重,
其中排序还至少部分地基于第一权重和第二权重。
6.权利要求5的方法,其中相比于第二用户行为,过去的行为指示用户执行第一用户行为(i)更大的次数,(ii)以更高的频率,或(iii)在更长的时间段内。
7.一个或多个计算机可读存储介质,包括存储由计算设备的一个或多个处理器可执行以使计算设备执行包括以下的动作的多个编程指令的存储器:
将行为追踪器与计算设备的一个或多个媒体文件查看应用集成,
使用行为追踪器来追踪与存储在用户的客户端设备上或与用户相关联的基于云的存储位置中的媒体文件集中的各个媒体文件的用户交互;
将所追踪到的用户交互存储为行为数据;
访问行为数据;
通过比较媒体文件之间的信息来确定匹配媒体文件集中的各个媒体文件的存储在媒体文件分享服务的网站上的媒体文件;
存储与一个或多个匹配的媒体文件相关联的社交数据;
访问社交数据;以及
至少部分地基于行为数据和社交数据对媒体文件集排序。
8.权利要求7的一个或多个计算机可读存储介质,还包括使媒体文件集中的第一媒体文件和第二媒体文件的表示以至少部分地基于所述排序的顺序呈现在查看设备上。
9.权利要求7的一个或多个计算机可读存储介质,其中媒体文件集中的第一媒体文件的排序高于媒体文件集中的第二媒体文件,并且使第一媒体文件的表示呈现在查看设备上以供在执行关于第一媒体文件的动作中选择。
10.权利要求9的一个或多个计算机可读存储介质,其中所述动作包括以下中的至少一个:通过网络将第一媒体文件分享到远离查看设备的计算设备,打印第一媒体文件,将第一媒体文件保存为用于查看设备的壁纸,或将第一媒体文件与查看设备上的用户的联系人相关联。
11.权利要求7的一个或多个计算机可读存储介质,其中媒体文件之间的信息包括从针对网站上的各个媒体文件生成的特征矢量导出的代码,并且其中比较利用基于所述代码的重复检测算法。
12.权利要求7的一个或多个计算机可读存储介质,其中媒体文件之间的信息包括以下中的至少一个:相机序列号、时间信息或地理位置信息。
13.权利要求7的一个或多个计算机可读存储介质,还包括接收对访问用户简档以用于获取社交数据的用户赞成。
14.权利要求7的一个或多个计算机可读存储介质,其中行为数据包括关于用户与媒体文件集中的各个媒体文件的查看或编辑交互的数据。
15.权利要求7的一个或多个计算机可读存储介质,其中社交数据包括以下中的一个或多个:关于一个或多个媒体文件的社交赞同或不赞同数据、关于一个或多个媒体文件的评论数据、关于一个或多个媒体文件的分享数据,或关于一个或多个媒体文件的查看数据。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/332,310 US9953086B2 (en) | 2014-07-15 | 2014-07-15 | Prioritizing media based on social data and user behavior |
US14/332310 | 2014-07-15 | ||
PCT/US2015/039846 WO2016010835A1 (en) | 2014-07-15 | 2015-07-10 | Prioritizing media based on social data and user behavior |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106796593A true CN106796593A (zh) | 2017-05-31 |
Family
ID=53758535
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201580038616.0A Pending CN106796593A (zh) | 2014-07-15 | 2015-07-10 | 基于社交数据和用户行为优先化媒体 |
Country Status (4)
Country | Link |
---|---|
US (2) | US9953086B2 (zh) |
EP (1) | EP3170104A1 (zh) |
CN (1) | CN106796593A (zh) |
WO (1) | WO2016010835A1 (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107249045A (zh) * | 2017-07-31 | 2017-10-13 | 合肥工业大学 | 便携式内窥镜多模态信息同步存储方法和*** |
CN109388970A (zh) * | 2018-10-25 | 2019-02-26 | 麒麟合盛网络技术股份有限公司 | 数据处理方法和装置 |
CN110413802A (zh) * | 2018-04-27 | 2019-11-05 | 中兴通讯股份有限公司 | 媒体文件备注方法、装置、移动终端和存储介质 |
CN110493660A (zh) * | 2019-07-04 | 2019-11-22 | 天脉聚源(杭州)传媒科技有限公司 | 一种剪辑视频数据处理方法、***、装置和存储介质 |
CN113031837A (zh) * | 2019-12-25 | 2021-06-25 | 北京达佳互联信息技术有限公司 | 内容分享方法、装置、存储介质、终端及服务器 |
CN113689305A (zh) * | 2021-07-24 | 2021-11-23 | 深圳市思晓信息技术有限公司 | 针对社交网络的安全管理方法及*** |
CN113946744A (zh) * | 2020-07-16 | 2022-01-18 | 北京达佳互联信息技术有限公司 | 数据处理方法、装置、服务器及存储介质 |
Families Citing this family (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103810241B (zh) * | 2013-11-22 | 2017-04-05 | 北京奇虎科技有限公司 | 一种低频点击的过滤方法和装置 |
US20160124964A1 (en) * | 2014-10-31 | 2016-05-05 | Pixcon | Methods for uploading and ranking photographs |
US10372768B1 (en) | 2014-12-31 | 2019-08-06 | Google Llc | Ranking content using sharing attribution |
KR102379171B1 (ko) * | 2015-02-27 | 2022-03-25 | 삼성전자주식회사 | 전자 장치 및 그의 영상 표시 방법 |
EP3292518A4 (en) | 2015-05-05 | 2019-01-16 | RetailMeNot, Inc. | EVOLUTIVE COMPLEX EVENT TREATMENT COMPRISING PROBABILISED AUTOMATIC LEARNING MODELS FOR PREDICTING SUBSEQUENT GEOGRAPHIC LOCATIONS |
US10678797B2 (en) * | 2015-08-17 | 2020-06-09 | Sap Se | Ranking of shared documents and users |
EP3347829A4 (en) * | 2015-09-09 | 2019-03-20 | Beijing Particle Information Techonology Co., Ltd. | METHOD AND SYSTEM FOR PROVIDING ORGANIZED CONTENTS |
US10142396B2 (en) * | 2015-12-15 | 2018-11-27 | Oath Inc. | Computerized system and method for determining and communicating media content to a user based on a physical location of the user |
US10901573B2 (en) * | 2016-02-05 | 2021-01-26 | Airwatch Llc | Generating predictive action buttons within a graphical user interface |
CN110378731B (zh) * | 2016-04-29 | 2021-04-20 | 腾讯科技(深圳)有限公司 | 获取用户画像的方法、装置、服务器及存储介质 |
US10536540B2 (en) * | 2016-05-02 | 2020-01-14 | Microsoft Technology Licensing, Llc | Computing system architecture for producing file analytics |
CN107368488A (zh) | 2016-05-12 | 2017-11-21 | 阿里巴巴集团控股有限公司 | 一种确定用户行为偏好的方法、推荐信息的展示方法和装置 |
US10542113B2 (en) | 2016-07-06 | 2020-01-21 | International Business Machines Corporation | Social network content prioritization |
US10726085B2 (en) * | 2016-07-20 | 2020-07-28 | Facebook, Inc. | Systems and methods for evaluating diversity of content based on content properties |
US10839004B2 (en) * | 2016-09-07 | 2020-11-17 | International Business Machines Corporation | Approval between portions of content in digital items |
US10515108B2 (en) * | 2016-12-30 | 2019-12-24 | Facebook, Inc. | Dynamically ranking media effects based on user and device characteristics |
US10579666B2 (en) * | 2017-02-22 | 2020-03-03 | International Business Machines Corporation | Computerized cognitive recall assistance |
US10841321B1 (en) * | 2017-03-28 | 2020-11-17 | Veritas Technologies Llc | Systems and methods for detecting suspicious users on networks |
CN107807997A (zh) * | 2017-11-08 | 2018-03-16 | 北京奇虎科技有限公司 | 基于大数据的用户画像构造方法、装置及计算设备 |
US11080238B2 (en) * | 2018-07-31 | 2021-08-03 | World Software Corporation | System and method for interactive visual representation of metadata within a networked heterogeneous workflow environment |
US10931659B2 (en) * | 2018-08-24 | 2021-02-23 | Bank Of America Corporation | Federated authentication for information sharing artificial intelligence systems |
CN112740713B (zh) * | 2018-09-21 | 2023-08-22 | 三星电子株式会社 | 用于提供多媒体内容中的关键时刻的方法及其电子设备 |
CN109543066B (zh) * | 2018-10-31 | 2021-04-23 | 北京达佳互联信息技术有限公司 | 视频推荐方法、装置和计算机可读存储介质 |
US11086931B2 (en) | 2018-12-31 | 2021-08-10 | Audiobyte Llc | Audio and visual asset matching platform including a master digital asset |
US20210357445A1 (en) * | 2018-12-31 | 2021-11-18 | Audiobyte Llc | Multimedia asset matching systems and methods |
US10956490B2 (en) * | 2018-12-31 | 2021-03-23 | Audiobyte Llc | Audio and visual asset matching platform |
CN110059240A (zh) * | 2019-03-20 | 2019-07-26 | 重庆邮电大学 | 一种基于影响等级的网络用户责任指数计算方法 |
US11087798B2 (en) * | 2019-04-16 | 2021-08-10 | Honda Motor Co., Ltd. | Selective curation of user recordings |
US11620294B2 (en) * | 2020-01-30 | 2023-04-04 | Panasonic Avionics Corporation | Dynamic media data management |
CN111722781A (zh) * | 2020-06-22 | 2020-09-29 | 京东方科技集团股份有限公司 | 智能交互方法及设备、存储介质 |
CN112733015B (zh) * | 2020-12-30 | 2024-06-14 | 绿盟科技集团股份有限公司 | 一种用户行为分析方法、装置、设备及介质 |
CN114491231A (zh) * | 2021-12-21 | 2022-05-13 | 上海日日峰信息科技有限公司 | 一种半结构化留存浏览器访问信息的方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050144195A1 (en) * | 1999-12-02 | 2005-06-30 | Lambertus Hesselink | Managed peer-to-peer applications, systems and methods for distributed data access and storage |
CN101105795A (zh) * | 2006-10-27 | 2008-01-16 | 北京搜神网络技术有限责任公司 | 基于网络行为的个性化推荐方法和*** |
US20080288629A1 (en) * | 2007-05-17 | 2008-11-20 | Fisher Iii William W | Methods, media, and systems for tracking content usage over a network |
CN102439582A (zh) * | 2009-03-20 | 2012-05-02 | 剥离技术公司 | 基于设备的控制*** |
CN102893276A (zh) * | 2009-12-09 | 2013-01-23 | 奥沐尼芬有限公司 | 同步数字媒体内容的方法 |
US20140181090A1 (en) * | 2012-12-20 | 2014-06-26 | Dropbox, Inc. | Systems and methods for optimizing file display for users |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7899825B2 (en) * | 2001-06-27 | 2011-03-01 | SAP America, Inc. | Method and apparatus for duplicate detection |
US8732175B2 (en) | 2005-04-21 | 2014-05-20 | Yahoo! Inc. | Interestingness ranking of media objects |
US8171128B2 (en) | 2006-08-11 | 2012-05-01 | Facebook, Inc. | Communicating a newsfeed of media content based on a member's interactions in a social network environment |
US8239367B1 (en) * | 2006-01-09 | 2012-08-07 | Google Inc. | Bookmarks |
US7558797B2 (en) * | 2006-06-30 | 2009-07-07 | Microsoft Corporation | Metadata structures for mass P2P file sharing |
US7788267B2 (en) * | 2007-02-26 | 2010-08-31 | Seiko Epson Corporation | Image metadata action tagging |
US7743047B2 (en) * | 2007-05-08 | 2010-06-22 | Microsoft Corporation | Accounting for behavioral variability in web search |
US20080306931A1 (en) * | 2007-06-06 | 2008-12-11 | Chad Brower | Event Weighting Method and System |
WO2009070841A1 (en) | 2007-12-05 | 2009-06-11 | It Au0801806Rsity Of Technology | Social multimedia management |
US8553259B2 (en) * | 2010-03-23 | 2013-10-08 | Ricoh Company, Ltd | Intelligent print options for search engine results |
US8583674B2 (en) * | 2010-06-18 | 2013-11-12 | Microsoft Corporation | Media item recommendation |
WO2012056326A2 (en) | 2010-10-27 | 2012-05-03 | Google Inc. | Social discovery of user activity for media content |
US8606776B2 (en) | 2011-02-18 | 2013-12-10 | Google Inc. | Affinity based ranked for search and display |
US9247020B2 (en) | 2012-08-07 | 2016-01-26 | Google Inc. | Media content receiving device and distribution of media content utilizing social networks and social circles |
GB2507036A (en) | 2012-10-10 | 2014-04-23 | Lifecake Ltd | Content prioritization |
US8484224B1 (en) | 2012-12-07 | 2013-07-09 | Geofeedr, Inc. | System and method for ranking geofeeds and content within geofeeds |
US20140244386A1 (en) * | 2013-02-26 | 2014-08-28 | Facebook, Inc. | Targeting advertisements to logged out users of an online system |
-
2014
- 2014-07-15 US US14/332,310 patent/US9953086B2/en active Active
-
2015
- 2015-07-10 CN CN201580038616.0A patent/CN106796593A/zh active Pending
- 2015-07-10 EP EP15742454.0A patent/EP3170104A1/en not_active Ceased
- 2015-07-10 WO PCT/US2015/039846 patent/WO2016010835A1/en active Application Filing
-
2018
- 2018-03-14 US US15/921,390 patent/US10372772B2/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050144195A1 (en) * | 1999-12-02 | 2005-06-30 | Lambertus Hesselink | Managed peer-to-peer applications, systems and methods for distributed data access and storage |
CN101105795A (zh) * | 2006-10-27 | 2008-01-16 | 北京搜神网络技术有限责任公司 | 基于网络行为的个性化推荐方法和*** |
US20080288629A1 (en) * | 2007-05-17 | 2008-11-20 | Fisher Iii William W | Methods, media, and systems for tracking content usage over a network |
CN102439582A (zh) * | 2009-03-20 | 2012-05-02 | 剥离技术公司 | 基于设备的控制*** |
CN102893276A (zh) * | 2009-12-09 | 2013-01-23 | 奥沐尼芬有限公司 | 同步数字媒体内容的方法 |
US20140181090A1 (en) * | 2012-12-20 | 2014-06-26 | Dropbox, Inc. | Systems and methods for optimizing file display for users |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107249045A (zh) * | 2017-07-31 | 2017-10-13 | 合肥工业大学 | 便携式内窥镜多模态信息同步存储方法和*** |
US10664494B2 (en) | 2017-07-31 | 2020-05-26 | Hefei University Of Technology | Method and system for synchronously storing multi-modal information of portable endoscope |
CN110413802A (zh) * | 2018-04-27 | 2019-11-05 | 中兴通讯股份有限公司 | 媒体文件备注方法、装置、移动终端和存储介质 |
CN109388970A (zh) * | 2018-10-25 | 2019-02-26 | 麒麟合盛网络技术股份有限公司 | 数据处理方法和装置 |
CN109388970B (zh) * | 2018-10-25 | 2020-08-21 | 麒麟合盛网络技术股份有限公司 | 数据处理方法和装置 |
CN110493660A (zh) * | 2019-07-04 | 2019-11-22 | 天脉聚源(杭州)传媒科技有限公司 | 一种剪辑视频数据处理方法、***、装置和存储介质 |
CN110493660B (zh) * | 2019-07-04 | 2020-06-19 | 天脉聚源(杭州)传媒科技有限公司 | 一种剪辑视频数据处理方法、***、装置和存储介质 |
CN113031837A (zh) * | 2019-12-25 | 2021-06-25 | 北京达佳互联信息技术有限公司 | 内容分享方法、装置、存储介质、终端及服务器 |
CN113031837B (zh) * | 2019-12-25 | 2022-10-11 | 北京达佳互联信息技术有限公司 | 内容分享方法、装置、存储介质、终端及服务器 |
CN113946744A (zh) * | 2020-07-16 | 2022-01-18 | 北京达佳互联信息技术有限公司 | 数据处理方法、装置、服务器及存储介质 |
CN113689305A (zh) * | 2021-07-24 | 2021-11-23 | 深圳市思晓信息技术有限公司 | 针对社交网络的安全管理方法及*** |
Also Published As
Publication number | Publication date |
---|---|
WO2016010835A1 (en) | 2016-01-21 |
US9953086B2 (en) | 2018-04-24 |
US20160019298A1 (en) | 2016-01-21 |
US20180203937A1 (en) | 2018-07-19 |
EP3170104A1 (en) | 2017-05-24 |
US10372772B2 (en) | 2019-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106796593A (zh) | 基于社交数据和用户行为优先化媒体 | |
US11442950B2 (en) | Dynamic presentation of searchable contextual actions and data | |
US20220309037A1 (en) | Dynamic presentation of searchable contextual actions and data | |
US10713667B2 (en) | Automated agent for social media systems | |
US10970349B1 (en) | Workflow relationship management and contextualization | |
US20190340554A1 (en) | Engagement levels and roles in projects | |
US20200036783A1 (en) | Reducing Transmissions By Suggesting Digital Content For Display In A Group-Based Communication Interface | |
CN108369715B (zh) | 基于视频内容特性的交互式评述 | |
US8095595B2 (en) | Summarization of immersive collaboration environment | |
US20190215568A1 (en) | Systems and methods for ranking and providing related media content based on signals | |
US11314692B1 (en) | Workflow relationship management and contextualization | |
KR101720797B1 (ko) | 트레이드 카드 서비스 | |
US11409820B1 (en) | Workflow relationship management and contextualization | |
WO2015036817A1 (en) | Structured updated status, requests, user data & programming based presenting & accessing of connections | |
US11126682B1 (en) | Hyperlink based multimedia processing | |
US11366963B1 (en) | Systems and methods for using machine learning models to organize and select modular components for user interface templates | |
US20230245686A1 (en) | Distributed video creation | |
Wei et al. | Multimedia QoE Evaluation | |
WO2021127550A1 (en) | Dynamic presentation of searchable contextual actions and data | |
US20240179262A1 (en) | Object data exchange | |
US20240020365A1 (en) | Systems and methods for using machine learning models to organize and select access-restricted components for accessed using user-specific access tokens with variable properties | |
US20240020570A1 (en) | Systems and methods for using machine learning models to organize and select access-restricted components for user interface templates based on characteristics of access token types | |
US20160373446A1 (en) | Systems and methods for providing content to verified entities |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20210427 |
|
AD01 | Patent right deemed abandoned |