用于数字内容的定制缩略图图像生成和选择的制作方法

本专利申请总体上涉及图像分析和数字内容处理，且更具体地，涉及使用计算机视觉和机器学习为数字内容生成和选择定制和个性化的缩略图图像的系统和方法。

背景

随着移动技术和社交媒体的最新发展，人们在其移动用户设备上与数字内容(如视频或交互式媒体)交互的方式也在不断发展。尽管大量的数字内容正被推给用户，但许多数字内容被忽略了，因为人们可能有独特的偏好，并被不同的事物所吸引。这给数字内容提供商和创作者(如广告商)带来了独特的挑战。

附图简述

本公开的特征通过示例的方式示出，并且不限于以下附图，其中相同的数字表示相同的元件。本领域技术人员将从下文中容易地认识到，在不脱离本文描述的原理的情况下，可以采用附图中示出的结构和方法的替代示例。

图1a示出了根据一个示例的、用于提供定制和个性化的缩略图图像的系统的框图。

图1b示出了根据一个示例的、用于提供定制和个性化的缩略图图像的系统的系统环境的框图。

图2a示出了根据一个示例的、使用缩略图生成器和缩略图选择器来提供定制的和个性化的缩略图图像的系统的框图。

图2b示出了根据一个示例的、使用缩略图生成器和缩略图选择器来提供定制的和个性化的缩略图图像的数字内容创建和传送系统的框图。

图3示出了根据一个示例的、用于提供定制和个性化的缩略图图像的系统的框图。

图4示出了根据一个示例的、用于提供定制和个性化的缩略图图像的计算机系统的框图。

图5示出了根据一个示例的、用于提供定制和个性化的缩略图图像的方法。

详细描述

为了简单和说明的目的，通过主要参考其示例来描述本申请。在以下描述中，阐述了许多具体细节，以便提供对本申请的全面理解。然而，将明显的是，本申请可以在不限于这些具体细节的情况下实施。在其他情况下，没有详细描述本领域普通技术人员容易理解的一些方法和结构，以免不必要地模糊本申请。如本文所使用的，术语“一个(a)”和“一个(an)”旨在表示特定元素中的至少一个，术语“包括(includes)”意味着包括但不限于，术语“包括(including)”意味着包括但不限于，术语“基于”意味着至少部分基于。

某些形式的数字内容(例如视频或交互式媒体)可能不总是在他或她的移动计算设备(例如，智能电话或平板电脑)上完整或容易地呈现给用户。例如，视频可能很长，可能需要一定量的时间来消耗。结果，一些数字内容提供商或数字内容分发者可能依赖于使用缩略图作为“概括”数字内容或提供数字内容的“预览(sneakpreview)”的方式，以便引起用户的兴趣，使得他或她然后可以消费数字内容或进一步与数字内容交互。应当理解，缩略图可以是静态图像或从数字内容(例如视频或交互式媒体)的帧中获取的其他视觉表示。如果用户被吸引到呈现在他或她的移动计算设备上的缩略图或者对其感兴趣，则他或她然后可以通过执行动作(例如点击缩略图或其他动作)来决定与数字内容交互，从而观看完整视频或者以更有意义的方式与交互式媒体或数字内容交互。

与使用缩略图相关的一个挑战是，不同的用户有不同的兴趣、偏好和亲和性(affinities)。吸引一个用户的东西可能不会吸引另一个用户。引起一个用户反应的东西可能不会引起另一个用户的反应。可以有各种元素触发或引起用户的兴趣。此外，这些元素可以包括主题、内容、设计、颜色、质量、日期、时间、地点、季节、温度、当前事件、趋势、上下文(context)、他人的影响等。然而，传统的数字内容系统忽略了这些元素，而是采用静态方法来创建和呈现缩略图。例如，传统系统可以从视频或交互式多媒体中随机选择一帧来创建单个缩略图候选。一旦实现了这一点，这个随机选择的帧可以被普遍地呈现给大量用户，而很少或不考虑用户的上下文、偏好、亲和性等。因此，这种方法可能难以确保生成或选择吸引目标用户注意力的具有吸引力的缩略图。此外，这种系统可能缺乏正确理解或跟踪哪个生成或选择的缩略图比其他缩略图更有效的方法，尤其是当涉及到增加用户对数字内容的参与时。

在本文公开了使用计算机视觉和机器学习为数字内容生成和选择定制和个性化的缩略图图像的系统和方法。本文描述的系统和方法可以从接收自内容源(例如数字内容提供商、创建者或分发者)的数字内容(例如视频或交互式媒体)的帧中自动生成若干个缩略图候选。如本文所述，该系统和方法可以进一步采用计算机视觉和/或机器学习技术来自动生成多个(apluralityof)缩略图候选。在一些示例中，生成的多个缩略图候选可以是捕捉或反映一个或更多个不同元素的图像或帧的不同池。例如，如果视频包括描绘狗的多个帧、描绘猫的各种帧以及描绘鲸鱼的其他帧，则系统可以生成至少三个缩略图——至少一个缩略图候选呈现狗，至少一个缩略图候选呈现猫，以及至少一个缩略图呈现鲸鱼。以这种方式，本文描述的系统和方法可以使用计算机视觉和/或机器学习技术来最小化缩略图主题的重复或冗余(例如，生成狗的多个帧或者没有猫或鲸鱼的帧)，并且由此增加缩略图候选的多样性，这些缩略图候选在被选择并与已知或预测的用户偏好匹配时可以提高引起用户参与或交互的可能性。

应当理解，计算机视觉和/或机器学习技术可以帮助识别与数字内容中描绘的帧或图像相关联的所有种类的概念。如本文和全文中所使用的，术语“概念”不仅可以用来指或描述图像中描绘的物理事物，例如对象、内容或主题(例如狗、猫等)，而且也可以指或描述其他特征，例如感官感觉、情绪、情感、设计、颜色、质量、日期、时间、地点、季节、温度、当前事件、趋势、上下文、他人的影响等。例如，概念可以包括对象(例如路标或珠宝)、(例如通过面部表情识别感知的)情绪、场景(例如海滩或山脉)、情感(例如感觉或反应)和/或设计元素(例如颜色、质量、图案、布局、模因(meme)/口号等)。其他各种特征或元素也可以通过数字内容来传达，其可以通过一种或更多种计算机视觉和/或机器学习技术来识别。如上所述，数字内容的一部分可以传达狗的图像。因此，该数字内容可以被识别为传达“狗”的概念和/或该图像的其他相关质量(情绪：愉快，颜色：棕色，季节：秋天，时间：下午，图像分辨率：4k等)。尽管本文描述的示例通常针对被视觉传达的概念，但是应当理解，本文和全文中使用的术语“概念”也可以用于描述由任何数字内容传达的任何种类的概念，例如听觉、感觉或其他感知，这从下面的描述和示例中将是明显的。

如本文更详细描述的，系统和方法可以进一步采用机器学习技术，以从多个生成的缩略图候选中选择一个或更多个缩略图呈现给用户。在一些示例中，机器学习技术可以基于被预测为吸引来自任何给定的用户池的用户的概念来选择这一个或更多个缩略图。这种预测可以通过使用任意数量的个性化算法或其他类似技术来实现，如下面更详细描述的。

在一些示例中，机器学习技术可以是基于人工智能(ai)的技术。例如，在一些示例中，可以使用生成对抗网络(gan)。gan可以包括生成图像的生成器和基于机器学习模型确定生成的图像是否将会引起用户兴趣的判别器。判别器的输出可以被输入到生成器，以训练生成器生成越来越可能被用户交互的图像。在一些示例中，来自先前传送的图像的反馈也可以反馈到机器学习模型。还应当理解，在一些示例中，也可以使用稀疏神经网络(snn)。snn可以是采用基于随机或结构化二分图拓扑的架构的人工神经网络。换句话说，snn架构可以提供经学习的模型的压缩，这可有助于加速计算。在一些示例中，snn可以允许许多图像属性和用户偏好被建模为“稀疏”特征。此外，snn的使用可有助于提高计算效率。也可以提供其他各种技术。

在一些示例中，本文描述的系统和方法还可以使用机器学习模型来识别生成的缩略图候选中的哪一个可能引起任何特定用户或用户组的兴趣或注意。例如，系统可以检测生成的缩略图候选中的概念，并基于这些检测到的图像概念来确定具有特定属性的给定观众是否可以有与图像和相关联的数字内容(例如，视频或交互式媒体)交互的可能性。在一些示例中，系统可以计算并提供与生成的和/或选择的缩略图相关联的分数或值，以促进针对用户创建和/或个性化分发这些图像连同数字内容。以这种方式，本文描述的系统和方法可以将数字内容与缩略图一起分发，这些缩略图可以激发用户更大的兴趣并引发用户与数字内容的交互。

还应当理解，本文描述的系统和方法可以特别适用于数字内容，例如视频、动画、视频游戏和/或其他交互式媒体，其中的一些或全部可以与任意数量的在线动作、广告和/或金融交易相关联。这些和其他益处在本文提供的描述中将是明显的。

现在参考图1a和图1b。图1a示出了根据一个示例的用于提供定制和个性化的缩略图图像的系统100的框图。图1b示出了根据一个示例的系统环境150的框图，系统100可以在系统环境150中被实现为提供定制的和个性化的缩略图图像。应当理解，图1a-1b中描绘的系统100和/或图1b中描绘的系统环境150可以作为示例来提供。因此，系统100和/或系统环境150可以包括或不包括附加特征，并且在不脱离本文概述的系统100和/或系统环境150的范围的情况下，可以移除和/或修改本文描述的一些特征。

如图1b所示，系统环境150可以包括任意数量的客户端设备110，显示为客户端设备110a、110b和110x，其中变量“x”可以表示大于1的整数。系统环境150还可以包括网络120和外部系统130。在一些示例中，外部系统130可以是第三方系统，例如数字内容提供商。应当理解，外部系统130可以在系统100的控制范围内，也可以不在系统100的控制范围内，并且有时在系统环境150中可以互换地称为数字内容提供商。

在操作中，系统100可以经由网络120与客户端设备110、外部系统130或其他网络元件通信。在一些示例中，系统100可以促进和/或协调数字内容经由网络120从至少外部系统130向一个或更多个客户端设备110的分发。在一些示例中，系统100可以是或者关联于社交网络系统、内容共享网络、广告系统、在线系统和/或促进个人、社会、商业、金融和/或企业环境中的任何种类的数据处理的任何其他系统。

在一些示例中，如图1a所示，系统100可以包括处理器101和存储器102。存储器102可以存储指令，这些指令当由处理器101执行时可以使处理器：从外部系统130(例如数字内容提供商)接收103要被分发到与一个或更多个用户相关联的一个或更多个客户端设备110的数字内容；使用缩略图生成技术基于数字内容来生成104多个不同的缩略图候选；从多个缩略图候选中选择105缩略图子集；并且传输106缩略图候选子集中的至少一个，以在一个或更多个客户端设备110处与数字内容一起呈现。在一些示例中，缩略图生成技术可以包括使用计算机视觉技术来生成多个不同的缩略图候选。在一些示例中，所选择的缩略图子集可以通过机器学习技术被识别为具有刺激用户交互的可能性，并且例如促使用户预览与缩略图子集的至少一个缩略图相关联的数字内容。

如下文更详细描述的，数字内容提供商可以创建视频或其他交互式媒体的形式的数字内容。为了将所创建的数字内容分发给与系统100(例如，社交媒体或在线系统)相关联的多个用户，数字内容提供商可以向系统100的处理器101提供视频或交互式媒体。处理器101如存储在存储器102中的机器可读指令所指示地可以接收103所创建的视频或交互式媒体，并生成104多个缩略图候选。这些缩略图候选可以例如从视频或交互式媒体的静态帧或图像中创建。如下文更详细描述的，这些缩略图候选可以是基于与数字内容的静态帧或图像相关联或识别的各种概念的一组不同的缩略图。处理器101如存储在存储器102中的机器可读指令所指示地可以使用机器学习技术从多个缩略图候选中选择105缩略图子集，并且传输106缩略图候选子集中的至少一个，以在一个或更多个客户端设备110处与数字内容一起呈现。在一些示例中，缩略图候选的至少一个子集可以被选择105并传输106，以便激发用户的更大兴趣并引发用户与数字内容的交互。

因此，系统100可以使任意数量的客户端设备110能够与由外部系统130或系统环境150的其他网络元件(未示出)提供的数字内容进行交互。通过生成和选择个性化缩略图来鼓励用户交互(例如，预览视频)，数字内容提供商可以更好地定位于向多个用户提供更定制和个性化的数字内容，并创建用于增加用户参与度的环境。系统100及其在系统环境150中的操作的细节将在下面更详细地描述。

应当理解，处理器101可以是基于半导体的微处理器、中央处理单元(cpu)、专用集成电路(asic)、现场可编程门阵列(fpga)和/或其他合适的硬件设备。在一些示例中，存储器102可以在其上存储处理器101可以执行的机器可读指令103-106(其也可以称为计算机可读指令)。存储器102可以是包含或存储可执行指令的电子、磁、光或其他物理存储设备。存储器102可以是例如随机存取存储器(ram)、电可擦除可编程只读存储器(eeprom)、存储设备、光盘等。存储器102——其也可以被称为计算机可读存储介质——可以是非暂时性机器可读存储介质，其中术语“非暂时性”不包括瞬时传播信号。

每个客户端设备110可以是可以通过网络120传输和/或接收数据的电子或计算设备。在这点上，每个客户端设备110可以是具有计算机功能的任何设备，例如智能电话、平板电脑、膝上型电脑、手表、台式机、服务器或其他电子或计算设备。在一些示例中，客户端设备110可以是可通信地耦合到网络120并能够经由网络120传送数字内容的移动计算设备。

在一些示例中，客户端设备110可以执行允许客户端设备110的用户与网络120上的各种元素交互的应用。例如，客户端设备110可以从用户输入、数据库、文件、web服务和/或经由应用编程接口(api)接收数据。此外，客户端设备110可以执行浏览器或应用，以实现客户端设备110、外部系统130和/或系统100之间经由网络120的交互。例如，用户可以与经由浏览器执行的移动应用或web应用交互，以便经由网络120消费数字内容或与数字内容交互。在一个示例中，客户端设备110可以通过在客户端设备110的本地或远程操作系统上运行的应用编程接口(api)与系统100和/或外部系统130交互。也可以提供其他各种示例。

根据一些示例，客户端设备110可以包括用于促进数字内容的传送的软件。例如，客户端设备110可以访问或包括与通常托管在诸如系统100和/或外部系统130等其他网络元件上的组件相关联的数据。尽管如图所示，系统100和/或外部系统130的一个或更多个部分可以驻留在以网络为中心的位置，但是应当理解，与系统100、外部系统130和/或其他网络元件(未示出)相关联的任何数据或功能也可以全部或部分地本地驻留在客户端设备110处，或者驻留在经由网络120或在网络120内通信地耦合到客户端设备110的某个其他计算设备处。

网络120可以是局域网(lan)、广域网(wan)、互联网、蜂窝网络、电缆网络、卫星网络或有助于客户端设备110、外部系统130、系统100和/或连接到网络120的任何其他系统、组件或设备之间的通信的其他网络。网络120还可以包括一个或任意数量的上述示例性类型的网络，这些网络作为独立的网络或者彼此合作地运行。例如，网络120可以利用它们通信耦合到的一个或更多个客户端或服务器的一个或更多个协议。网络120可以根据网络120中的任何设备和/或系统的传输协议来促进数据传输。尽管网络120在图1b的系统环境150中被描绘为单个网络，但是应当理解，在一些示例中，网络120也可以包括多个互连的网络。

外部系统130可以通信地耦合到网络120。在一些示例中，外部系统130可以是经由网络120向客户端设备110、系统100和/或任何其他网络元件(未示出)提供内容或数据的第三方系统。在一些示例中，外部系统130可以是数字内容提供商(例如，广告提供商)，其具有任意数量的服务器、主机、系统和/或数据库，用于向系统环境150中的客户端设备110、系统100和/或其他网络元件(未示出)提供数字媒体内容，例如视频或其他交互式媒体。在一些示例中，外部系统130可以包括一个或更多个应用服务器，该应用服务器为系统环境150中的客户端设备110、系统100和/或其他网络元件(未示出)托管各种应用。

现在参考图2a和图2b。图2a示出了根据一个示例的使用缩略图生成器210和缩略图选择器220来提供定制的和个性化的缩略图图像的图1a-1b的系统100的框图200a。图2b示出了根据一个示例的数字内容创建系统232和数字内容传送系统234的框图200b，数字内容创建系统232和数字内容传送系统234与缩略图生成器210和缩略图选择器220结合操作以提供定制的和个性化的缩略图图像。应当理解，图2a-2b中描绘的框图200a-200b以及任何相关联的组件或元件可以作为示例来提供。换句话说，所描绘的组件和元件可以包括或不包括附加特征，并且在不脱离本文概述的范围的情况下，本文描述的一些特征可以被移除和/或修改。

例如，系统100的处理器101可以接收数字内容205，如图2a所示。在一些示例中，数字内容205可以是视频、交互式媒体或经由网络120传送的其他内容。在一些示例中，如图2b所示，数字内容205可以源自外部系统130，例如数字内容提供商230。数字内容创建系统232可以创建数字内容205，以最终呈现在例如客户端设备110a上，供用户查看或与之交互。为了激发任何特定用户的兴趣和/或增加用户与数字内容205交互的可能性，根据本文描述的示例，缩略图生成器210可以创建多个缩略图候选215，示为缩略图候选215a、215b和215x，其中变量“x”可以表示大于1的整数。

应当理解，缩略图生成器210可以采用任意数量的缩略图生成技术来生成多个缩略图215。在一些示例中，一种缩略图生成技术可以包括使用计算机视觉技术。在这种情况下，数字内容例如可以是视频或其他交互式媒体，其包括多个单独的静态帧或图像。缩略图生成器210可以使用计算机视觉技术帮助捕捉一个或更多个概念并因而帮助生成不同的缩略图候选215的池，来从这些静态帧或图像中的任何一个生成多个缩略图候选215。例如，如果数字内容205包括具有不同面部或面部特征的各种帧、具有诸如汽车的可识别对象的其他各种帧以及具有房屋的另外附加帧，则缩略图生成器210可以生成呈现面部或面部特征的至少一个缩略图候选215a、呈现汽车的至少一个缩略图候选215b以及呈现房屋的至少一个缩略图候选215x，如图2a所示。应当理解，这些缩略图候选215中的每一个也可以具有不同的背景(background)、颜色、形状和/或属性或特征，这使得它们彼此更加不同。通过使用任意数量的计算机视觉和/或机器学习技术，缩略图生成器210可以生成不同缩略图候选215的不同池，这可以帮助最小化缩略图生成过程中的重复或冗余。例如，缩略图生成器210可以识别数字内容的图像静像(例如，静态帧或图像)中的多个概念。这可以使用任意数量的计算机视觉技术来实现。缩略图生成器210然后可以基于来自所识别的多个不同概念的概念的独特性来选择图像静像。在一些示例中，如本文所述，这可以通过利用值对图像静像进行评分来实现。例如，该值可以指示图像静像中概念的独特性。缩略图生成器210然后可以基于所选择的图像静像生成多个不同的缩略图候选。

应当理解，缩略图生成器210采用的计算机视觉技术不仅可以识别对象，还可以被训练来识别其他属性或特征，例如颜色、情绪、色调、感觉或静态帧或图像中描绘的任何其他概念。可以使用任何种类或组合的计算机视觉技术，包括但不限于图像分类、对象检测、对象跟踪、语义分割、实例分割或用于获取、处理和分析数字内容(例如图像或其他视觉内容)的任何其他技术。

在一些示例中，缩略图生成器210还可以向图像静像或生成的缩略图候选215a、215b和215x分配分数或值。应当理解，这些分数或值可用于帮助识别、排名、排序、排列和/或选择最相关的缩略图，以例如在客户端设备110a处呈现给一个或更多个用户。在一些示例中，分数或值也可以基于其他图像属性或特征，例如锐度、对象清晰度、分辨率等。

还应该理解，本文描述的缩略图生成技术也可以包括任何数量的机器学习技术，以帮助细化和识别各种概念，以及处理和分析来自浏览器236的用户交互反馈，如图2b所示。简而言之，可能有各种各样的元素可以触发或引起用户的兴趣。此外，这些可以包括传达特定主题、内容、设计、颜色、质量、日期、时间、地点、季节、温度、当前事件、趋势、他人的影响等的缩略图。应用一种或更多种基于机器学习或ai的技术可以帮助生成不同且多样的缩略图候选215，并且当从缩略图候选215的该不同池中选择子集以在他的或她的客户端设备110a处呈现给用户时，它可以至少基于用户的个人偏好或亲和性来帮助诱导或引起用户与数字内容205的交互。

在一些示例中，也可以使用或不使用计算机视觉或基于ai的机器学习技术来获得或生成不同缩略图候选215的不同池。例如，缩略图生成器210可以应用预定的最小帧距离，从中提取、使用或复制来自数字内容205的单独的静态帧。换句话说，由于视频通常可以在一系列相近的帧中呈现相似的概念，因此通过设置预定的最小帧距离，例如50帧，可以帮助缩略图生成器210在使用或不使用计算机视觉和/或机器学习的情况下，拉取(例如，在时间或位置上)足够分开的帧，以增加由预定的最小帧距离分开的概念可能不同或多样的概率。对于占据更多存储空间或由更多帧组成的数字内容205(例如，更长的视频)，在生成缩略图候选时应用预定的最小帧距离可能特别有助于提高效率。以这种方式，缩略图生成器210可以根据预定的最小帧距离而跳过帧来识别不同的概念，而不是梳理视频的每一帧来识别不同的概念。还可以提供其他各种配置或选项来提高生成的缩略图候选215的效率和多样性。

图3示出了根据一个示例的用于提供定制和个性化的缩略图图像的系统300的框图。应当理解，系统300可以类似于参照图1a-2b描述的系统100，可以是系统100的一部分或者是系统100的变型，但是系统300可以更具体地描述和/或以可以是或者不是系统100的一部分的附加能力和特征的示例进行描述。在一些示例中，系统300可以是在线系统，其具有机器学习子系统340以帮助促进从要提供给任意数量的客户端设备110的数字内容中生成和选择定制的和个性化的缩略图图像。如图所示，系统300可以包括内容数据储存器305、用户数据储存器310、媒体服务器315、动作记录器320、动作日志325和web服务器330。

如本文所述，内容数据储存器305可以存储与向用户提供数字内容(例如，视频或交互式媒体)相关联的各种内容等。例如，内容数据储存器305可以存储由数字内容提供商或其他来源提供的数字内容。内容数据储存器305还可以存储与数字内容相关联的信息，例如大小、长度、类型、格式等。也可以存储与内容相关联的其他信息。

用户数据储存器310还可以存储与用户相关联的数据等。该数据可以包括由用户直接提供或由系统300推断的用户简档信息。这种信息的示例可以包括传记、人口统计、图片和/或其他类型的描述性信息，例如就业、教育、财务、性别、爱好、偏好、位置等。应当理解，如下所述，获取或存储在用户数据储存器310中的任何个人信息都可能受到各种隐私设置或规定的限制。

媒体服务器315可以尤其用于收集、分发、传递和/或提供各种数字内容，例如存储在内容数据储存器305或其他地方的数字内容。系统300可以使用媒体服务器315来与图1b的外部系统130协调，外部系统130例如可以是各种交互式内容(例如视频、视频游戏、广告或其他内容)的数字内容提供商。以这种方式，可以在一个或更多个用户各自的客户端设备110为他们提供数字内容。

系统300还可以包括动作记录器320、动作日志325和web服务器330。在一些示例中，动作记录器320可以接收关于在系统100或300上或之外执行的用户动作的通信，并且可以用关于各种用户动作的信息填充动作日志325。这种用户动作可以包括，例如，添加与另一个用户或实体的关连(connection)、从另一个用户或实体发送消息、查看与另一个用户或实体(例如另一个用户或广告)相关联的内容、发起支付交易等。在一些示例中，根据一个或更多个隐私设置或规则，动作记录器320可以接收与另一用户或实体相关联的内容交互活动。此外，结合其他对象或概念描述的许多动作可以针对特定用户，因此这些动作也可以与那些用户相关联。这些用户动作中的任何一个或全部也可以存储在动作日志325中。

动作日志325可以跟踪系统300或其他外部系统上的用户动作。动作日志325还可以包括与用户动作的上下文相关联的上下文信息。例如，这样的内容信息可以包括执行动作的日期/时间、在相近的日期/时间段周围记录的其他动作或其他相关联的动作。其他上下文信息可以包括用户动作模式、其他类似用户展示的模式、或者甚至用户可能与任何特定或类似对象或概念的各种交互。这些和其他类似的动作或其他类似的信息可以存储在动作日志325中，并且可以用于提供定制的和个性化的缩略图图像，如本文所描述的。

web服务器330可以经由网络(例如，图1b的网络120)将系统300链接到一个或更多个客户端设备(例如，图1b的客户端设备110)。web服务器330可以提供网页以及其他与web相关的内容，例如java、flash、xml或其他类似的内容。web服务器330可以与系统300的各种内部元件或外部网络组件通信，以提供各种功能，例如在系统300、外部系统130、客户端设备110和其他网络组件之间接收、传输和/或路由内容。

如本文所述，系统300还可以包括机器学习子系统340。机器学习子系统340可以使用一种或更多种计算机视觉和/或机器学习技术来帮助定义、修改、跟踪、调度、执行、比较、分析、评估和/或部署使用系统300提供定制和个性化的缩略图图像的一个或更多个应用。在一些示例中，机器学习子系统340还可以采用任何种类的计算机视觉和/或机器学习技术来生成和/或选择与各种数字内容相关联的定制的和个性化的缩略图图像。在一些示例中，机器学习子系统340可以使用数字内容本身中的信息以及来自任意数量的客户端设备110、外部系统130、系统100或300或其他网络元件的信息来生成和/或选择定制的和个性化的缩略图。在一些示例中，机器学习子系统340可以包括机器学习元件342、模型344、训练数据储存器346和分类器348。

特别地，系统300的机器学习元件342可以帮助图2a-2b的缩略图生成器210和/或缩略图选择器220。具体而言，机器学习元件342可以基于包括在训练数据储存器346中的训练数据来训练模型344。机器学习元件342还可以基于训练数据训练分类器348。分类器348可用于评估和识别为用户部署而创建的数字内容中的概念，包括来自内容储存器305的内容信息。基于这些评估，机器学习元件342可以帮助系统300生成多个不同的缩略图候选和/或从多个缩略图候选中选择可以有效地引起用户对相关联的数字内容的响应或与相关联的数字内容的交互的缩略图子集。

系统300可以使用机器学习元件342来生成模型344和分类器348。生成的模型344可以为图像或数字内容分析的目的提供用于评估、评价和识别概念的框架。在一些示例中，模型344可以包括与一组特征相关联的一组权重，用于生成分数或值，作为与数字内容相关联的各种特征或概念相关联的分数或值的加权汇总。在其他示例中，模型344可以包括一组权重以及用于汇总权重以生成输出分数或值的指令。

在一些示例中，向量或阵列生成器(未示出)可以使用模型344来生成向量或阵列，该向量或阵列表示特别是在图像分析或其他类似的数字内容处理中有助于服务器能力的事务的特征。机器学习元件342还可以生成分类器348，该分类器348从模型344获取输入，例如使用模型344生成的向量或阵列，以返回由向量表示的内容是否有助于确定数字内容中的概念的标识，用于缩略图生成和/或选择的目的。为了生成向量或阵列，训练数据可以作为矩阵格式提供。在一些示例中，由机器学习元件342生成的分类器348可以是单个分类器或多个分类器。这些分数或值可以帮助机器学习元件342分析、确定、排名(rank)、排序(sort)、排列和/或分类生成的缩略图。应当理解，机器学习元件342还可以帮助细化、配置或校准处理器101，用于基于用户交互(或没有用户交互)生成/选择缩略图。

机器学习元件342可以从训练数据储存器346摄取训练数据，以生成模型344和任何分类器348。训练数据储存器346可以包括任何先前分析的内容和描述该内容的数据，例如存储在内容储存器305中的数据。在一些示例中，训练数据可以不提供特定于数字内容或缩略图的数据，而是可以仅指示该数字内容或缩略图在引发用户交互方面是更有可能成功还是失败。训练数据储存器346可以包括从内容储存器305、动作日志325和/或其他内部或外部来源获得的数据。

机器学习元件342可以基于不同类型的内容分析模型——包括但不限于用于生成缩略图的图像分析算法和/或用于选择缩略图的个性化算法——的优化来生成模型344。例如，生成的模型344可以包括神经网络(例如，卷积神经网络(cnn)、稀疏神经网络(snn)等)、基于树的模型、贝叶斯网络、支持向量、聚类、核方法、样条、知识图、或者这些和其他技术中的一个或更多个的集成。机器学习元件342可以确定模型344的权重，例如，对应于模型344的神经网络的边的权重。机器学习元件342可以进一步生成可以使用这种技术的分类器348。机器学习元件342可以基于与系统300相关联的附加训练或更新数据来周期性地更新模型344和/或分类器348。

应当理解，机器学习元件342可以根据输入或输出要求的类型和/或预期解决的任务或问题的类型而变化。如本文所述，机器学习元件342可以使用监督学习、半监督学习或无监督学习来使用在训练数据储存器346中的数据构建模型344。在一些示例中，监督学习可以包括分类和/或回归，半监督学习可以包括使用目标函数进行迭代优化，以在至少一些输出缺失时填补空白。还应当理解，系统300可以提供其他类型的机器学习方法，例如强化学习、特征学习、异常检测等。

应当理解，分类算法可以提供实例到预定义的类的分配，以判定是否存在匹配或相关性。可替代地，聚类方案或技术可以使用没有标签的相关数据点的分组。知识图的使用可以提供将节点和边联系起来的有组织的图，其中节点可以与例如人、对象、实体、事件等的语义概念相关，而边可以由基于语义的节点之间的关系来定义。应当理解，如本文所述，术语“节点”可以与“实体”互换使用，并且“边”可以与“关系”互换使用。此外，如本文所述，涉及仿真模型和/或决策树的技术可以提供详细和灵活的方法来提供定制和个性化的缩略图图像。

应当理解，如本文所述，本文所示的系统和子系统可以包括一个或更多个服务器或计算设备。这些服务器或计算设备中的每一个还可以包括平台和至少一个应用。应用可以包括存储在非暂时性计算机可读介质上并可由处理器执行的软件(例如，机器可读指令)。平台可以是应用被设计成在其上运行的环境。例如，平台可以包括执行应用的硬件、操作系统(os)和运行时库(runtimelibrary)。应用可以被编译以在平台上运行。运行时库可以包括由应用调用以在运行时引起平台的一些行为(例如异常处理、存储器管理等)的低级例程或子例程。子系统可以类似于平台，并且可以包括软件和运行各种软件或应用的硬件。

虽然服务器、系统、子系统和/或其他计算设备可以被示为单个组件或元件，但是应当理解，本领域普通技术人员将认识到，这些单个组件或元件可以代表多个组件或元件，并且这些组件或元件可以经由一个或更多个网络连接。此外，中间件(未示出)可以与本文描述的任何元件或组件一起被包括。中间件可以包括由一个或更多个服务器托管的软件。此外，应当理解，可能需要或可能不需要一些中间件或服务器来实现功能。也可以在前端或后端提供未示出的其他类型的服务器、中间件、系统、平台和应用，以促进系统100或300的特征和功能。

图4示出了根据一个示例的用于提供定制和个性化的缩略图图像的计算机系统的框图。计算机系统400可以是客户端设备110、外部系统130和/或系统100和/或300的一部分或当中任意一个，以执行本文描述的功能和特征。计算机系统400尤其可以包括互连件(interconnect)410、处理器412、多媒体适配器414、网络接口416、系统存储器418和储存适配器420。

互连件410可以互连计算机系统400的各种子系统、元件和/或组件。如图所示，互连件410可以是抽象概念，其可以表示由适当的桥、适配器或控制器连接的任何一个或更多个单独的物理总线、点对点连接件或两者。在一些示例中，互连件410可以包括系统总线、外围组件互连(pci)总线或pci-express总线、hypertransport或工业标准架构(isa)总线、小型计算机系统接口(scsi)总线、通用串行总线(usb)、iic(i2c)总线或电气和电子工程师协会(ieee)标准1394总线或“火线(firewire)”或其他类似的互连元件。

在一些示例中，互连件410可以允许处理器412和系统存储器418之间的数据通信，系统存储器418可以包括只读存储器(rom)或闪存(均未示出)和随机存取存储器(ram)(未示出)。应当理解，ram可以是操作系统和各种应用程序可以加载到其中的主存储器。rom或闪存可包含基本输入输出系统(bios)等代码，该bios控制基本硬件操作，例如与一个或更多个外围组件的交互。

处理器412可以是计算设备的中央处理单元(cpu)，并且可以控制计算设备的整体操作。在一些示例中，处理器412可以通过经由储存适配器420执行存储在系统存储器418中的软件或固件或其他数据来实现这一点。处理器412可以是或可以包括一个或更多个可编程通用或专用微处理器、数字信号处理器(dsp)、可编程控制器、专用集成电路(asic)、可编程逻辑器件(pld)、可信平台模块(tpm)、现场可编程门阵列(fpga)、其他处理电路或这些和其他设备的组合。

多媒体适配器414可以连接到各种多媒体元件或外围设备。这些可以包括与视觉(例如，视频卡或显示器)、音频(例如，声卡或扬声器)和/或各种输入/输出接口(例如，鼠标、键盘、触摸屏)相关联的设备。

网络接口416可以向计算设备提供通过网络(例如，图1b的网络120)与各种远程设备通信的能力，并且可以包括例如以太网适配器、光纤通道适配器和/或其他支持有线或无线的适配器。网络接口416可以提供从一个网络元件到另一个网络元件的直接或间接连接，并且促进各种网络元件之间的通信。

储存适配器420可以连接到用于存储和/或检索信息的标准计算机可读介质，例如固定磁盘驱动器(内部或外部)。

许多其他设备、组件、元件或子系统(未示出)可以以类似的方式或经由网络(例如，图1b的网络120)连接到互连件410。相反，图4所示的所有设备不需要都存在来实施本公开。设备和子系统可以以不同于图4所示的方式互连。实现本公开的支付网关选择和支付交易处理的动态方法的代码可以存储在计算机可读存储介质中，例如一个或更多个系统存储器418或其他存储装置。实现本公开的支付网关选择和支付交易处理的动态方法的代码也可以通过一个或更多个接口接收并存储在存储器中。系统100或300上提供的操作系统可以是os或另一种操作系统。

图5示出了根据一个示例的用于提供定制和个性化的缩略图图像的方法500。方法500是作为示例提供的，因为可以有多种方式来执行本文描述的方法。尽管方法500主要被描述为由如图1a-1b所示的系统100、如图3所示的系统300或图4的计算机系统400来执行，但是方法500可以由其他系统或系统的组合来执行或以其他方式来执行。图5中所示的每个块还可以表示一个或更多个过程、方法或子例程，并且一个或更多个块可以包括存储在非暂时性计算机可读介质上并且由处理器或其他类型的处理电路执行以执行本文描述的一个或更多个操作的机器可读指令。

在510，处理器101可以接收数字内容205。在一些示例中，处理器101可以从诸如数字内容提供商(例如，广告商)的外部系统130接收要被分发到与一个或更多个用户相关联的一个或更多个客户端设备110的数字内容205。

在520，处理器101可以识别数字内容205中的概念。在一些示例中，这些概念可以通过使用计算机视觉技术来识别，例如图像分类、对象检测、对象跟踪、语义分割、实例分割或如上所述的任何其他技术或技术组合。

在530，处理器101可以使用缩略图生成技术基于数字内容205来生成多个不同的缩略图候选215。在一些示例中，缩略图生成技术可以包括利用值对多个不同的缩略图候选215中的每一个进行评分。如上所述，用于多个不同的缩略图候选215中的每一个缩略图候选的值可以用于对缩略图候选215进行排名。

在540，处理器101可以从多个缩略图候选215中选择缩略图225的子集。在一些示例中，缩略图225的子集可以被机器学习技术识别为具有刺激用户交互以预览数字内容的可能性。如上所述，机器学习技术可用于将多个不同的缩略图候选215中的识别概念与和一个或更多个用户相关联的信息进行匹配。在一些示例中，机器学习技术可以包括使用神经网络、基于树的模型、贝叶斯网络、支持向量、聚类、核方法、样条、知识图和/或任何其他机器学习技术。

在550，处理器101可以传输缩略图225的选定子集中的至少一个缩略图来呈现。在一些示例中，缩略图225的选定子集可以在一个或更多个客户端设备110处与数字内容205一起呈现。

通过使用如本文所述的计算机视觉和机器学习为数字内容生成和/或选择定制的和个性化的缩略图图像，本文所述的系统和方法还可以提高用户与数字内容交互的可能性，最大化用户可及范围(userreach)，提供更有针对性的数字内容传递，并最小化低效的数字内容消费。应当理解，本文描述的示例可以具有灵活的结构，并且提供了优于其他解决方案的许多优点。

尽管本文描述的方法和系统可以主要针对数字内容，例如视频或交互式媒体，但是应当理解，系统100也可以用于其他类型的内容或场景。此外，系统100还可以将本文公开的技术用在其他各种环境中，例如数字内容分发和传递，包括但不限于数字内容处理或交易、图像分析、广告和营销、客户参与、支付交易、在线交易、移动交易、用户对用户交易、基于收费的(toll-based)交易和/或数字交易。系统100的其他应用或用途还可以包括社交网络、竞争、营销、性能分析、风险分析、数据管理、基于内容的推荐引擎和/或其他类型的知识或数据驱动系统。

应当注意，本文描述的功能可以受到由系统100实施的下述一个或更多个隐私策略的约束，该隐私策略可以禁止将图像用于概念检测、推荐、生成和分析。

在特定示例中，计算系统的一个或更多个对象(例如，内容或其他类型的对象)可以与一个或更多个隐私设置相关联。一个或更多个对象可以存储在任何合适的计算系统或应用上或者以其他方式与任何合适的计算系统或应用相关联，该计算系统或应用诸如例如为系统100、客户端设备110、外部系统130、社交网络应用、消息传递应用、照片共享应用或者任何其他合适的计算系统或应用。尽管本文讨论的示例是在在线社交网络的上下文中，但是这些隐私设置可以应用于任何其他合适的计算系统。对象的隐私设置(或“访问设置”)可以以任何合适的方式——诸如例如与对象相关联地、以授权服务器上的索引、以另一种合适的方式、或其合适的任何组合——被存储。对象的隐私设置可以指定如何可以在在线社交网络中访问、存储或以其他方式使用(例如，查看、共享、修改、复制、执行、显现或识别)该对象(或与该对象相关联的特定信息)。当对象的隐私设置允许特定用户或其他实体访问该对象时，该对象可以被描述为相对于该用户或其他实体是“可见的”。作为示例而不是作为限制，在线社交网络的用户可以为用户简档页面指定隐私设置，该隐私设置识别可以访问用户简档页面上的工作经历信息的一组用户，因而排除其他用户访问该信息。

在特定示例中，对象的隐私设置可以指定不应被允许访问与该对象相关联的某些信息的用户或其他实体的“阻止列表(blockedlist)”。在特定示例中，阻止列表可以包括第三方实体。阻止列表可以指定一个或更多个用户或实体，对象对这些用户或实体是不可见的。作为示例而非限制，用户可以指定不可以访问与该用户相关联的相册的一组用户，从而排除这些用户访问相册(同时也可能允许不在该指定用户组内的某些用户访问相册)。在特定示例中，隐私设置可以与特定社交图元素相关联。社交图元素(例如节点或边)的隐私设置可以指定可以如何使用在线社交网络来访问社交图元素、与社交图元素相关联的信息、或与社交图元素相关联的对象。作为示例而非限制，对应于特定照片的特定概念节点可以具有隐私设置，该隐私设置指定照片只能由照片中标记的用户和照片中标记的用户的朋友访问。在特定示例中，隐私设置可以允许用户选择加入或选择退出使他们的内容、信息或动作由系统100存储/记录或与其他系统(例如，外部系统130)共享。尽管本公开描述了以特定方式使用特定隐私设置，但是本公开设想了以任何合适的方式使用任何合适的隐私设置。

在特定示例中，系统100可以(例如，在网页、模块、一个或更多个对话框或任何其他合适的界面内)向第一用户呈现“隐私向导(privacywizard)”，以帮助第一用户指定一个或更多个隐私设置。隐私向导可以显示指令、合适的隐私相关信息、当前隐私设置、用于接受来自第一用户的指定隐私设置的改变或确认的一个或更多个输入的一个或更多个输入字段、或其任何合适的组合。在特定示例中，系统100可以向第一用户提供“仪表板(dashboard)”功能，该功能可以向第一用户显示第一用户的当前隐私设置。仪表板功能可以在任何适当的时间(例如，在来自调用仪表板功能的第一用户的输入之后，在特定事件或触发动作发生之后)向第一用户显示。仪表板功能可以允许第一用户在任何时间以任何合适的方式修改第一用户的一个或更多个当前隐私设置(例如，将第一用户重定向到隐私向导)。

与对象相关联的隐私设置可以指定允许访问或拒绝访问的任何合适的粒度(granularity)。作为示例而不是作为限制，可以为特定用户(例如，只有我、我的室友、我的老板)、在特定分离度(degree-of-separation)内的用户(例如，朋友，朋友的朋友)、用户团体(例如，游戏俱乐部、我的家人)、用户网络(例如，特定雇主的雇员、特定大学的学生或校友)、所有用户(“公众”)、无用户(“私人的”)、第三方系统的用户、特定应用(例如，第三方应用、外部网站)、其他适当的用户或实体、或其任何组合来指定访问或拒绝访问。尽管本公开描述了允许访问或拒绝访问的特定粒度，但是本公开考虑了允许访问或拒绝访问的任何合适粒度。

在特定示例中，与用户相关联的相同类型的不同对象可能具有不同的隐私设置。与用户相关联的不同类型的对象可能具有不同类型的隐私设置。作为示例而非限制，第一用户可以指定第一用户的状态更新是公开的，但是第一用户共享的任何图像仅对在线社交网络上的第一用户的朋友可见。作为另一个示例而非限制，用户可以为不同类型的实体(例如个人用户、朋友的朋友、关注者、用户团体或公司实体)指定不同的隐私设置。作为另一示例而非限制，第一用户可以指定可以观看由第一用户发布的视频的一组用户，同时防止视频对第一用户的雇主可见。在特定示例中，可以为不同的用户组或用户人口统计提供不同的隐私设置。作为示例而非限制，第一用户可以指定与第一用户上同一所大学的其他用户可以观看第一用户的照片，但是作为第一用户的家庭成员的其他用户不可以观看那些相同的照片。

在特定示例中，系统100可以为特定对象类型的每个对象提供一个或更多个默认隐私设置。设置为默认的对象的隐私设置可以由与该对象相关联的用户来改变。作为示例而非限制，由第一用户发布的所有图像可以具有仅对第一用户的朋友可见的默认隐私设置，并且对于特定图像，第一用户可以将该图像的隐私设置改变为对朋友和朋友的朋友可见。

在特定示例中，隐私设置可以允许第一用户(例如，通过选择退出、通过不选择加入)指定系统100是否可以出于任何目的接收、收集、记录或存储与用户相关联的特定对象或信息。在特定示例中，隐私设置可以允许第一用户指定特定应用或进程是否可以访问、存储或使用与用户相关联的特定对象或信息。隐私设置可以允许第一用户选择加入或选择退出使对象或信息被特定应用或进程访问、存储或使用。系统100可以访问这样的信息以便向第一用户提供特定的功能或服务，而系统100不能出于任何其他目的访问该信息。在访问、存储或使用这样的对象或信息之前，系统100可以在允许任何这样的动作之前提示用户提供隐私设置，该隐私设置指定哪些应用或进程(如果有的话)可以访问、存储或使用对象或信息。作为示例而非限制，第一用户可以经由与在线社交网络相关的应用(例如，消息传递app)向第二用户传输消息，并且可以指定这样的消息不应被系统100存储的隐私设置。

在特定示例中，用户可以指定系统100是否可以访问、存储或使用与第一用户相关联的特定类型的对象或信息。作为示例而非限制，第一用户可以指定由第一用户通过系统100发送的图像不可以由系统100存储。作为另一个示例而非限制，第一用户可以指定从第一用户发送给特定第二用户的消息不可以由系统100存储。作为又一个示例而非限制，第一用户可以指定通过特定应用发送的所有对象可以由系统100保存。

在特定示例中，隐私设置可以允许第一用户指定是否可以从客户端设备110或外部系统130访问与第一用户相关联的特定对象或信息。隐私设置可以允许第一用户选择加入或选择退出从特定设备(例如，用户的智能电话上的电话簿)、从特定应用(例如，消息传递app)或从特定系统(例如，电子邮件服务器)访问对象或信息。系统100可以提供关于每个设备、系统或应用的默认隐私设置，和/或可以提示第一用户为每个上下文指定特定的隐私设置。作为示例而非限制，第一用户可以利用系统100的位置服务特征来提供关于用户附近的餐馆或其他地方的推荐。第一用户的默认隐私设置可以指定系统100可以使用从第一用户的客户端设备110之一提供的位置信息来提供基于位置的服务，但是系统100不可以存储第一用户的位置信息或者将其提供给任何外部系统130。第一用户然后可以更新隐私设置，以允许第三方图像共享应用使用位置信息，以便对照片进行地理标记。

在特定示例中，隐私设置可以允许用户指定是否可以确定与用户相关联的当前、过去或预想的情绪、情感或感情信息，以及特定应用或进程是否可以访问、存储或使用这样的信息。隐私设置可以允许用户选择加入或选择退出使情绪、情感或感情信息被特定应用或进程访问、存储或使用。系统100可以基于例如用户提供的输入和与特定对象(例如用户查看的页面或内容、用户上传的帖子或其他内容)的交互、以及与在线社交网络的其他内容的交互来预测或确定与用户相关联的情绪、情感或感情。在特定示例中，系统100可以使用用户先前的活动和计算的情绪、情感或感情来确定当前的情绪、情感或感情。希望启用该功能的用户可以在其隐私设置中指示他们选择加入让系统100接收确定情绪、情感或感情所必需的输入。作为示例而非限制，系统100可以确定默认隐私设置是不接收确定情绪、情感或感情所需的任何信息，直到有来自用户的、系统100可以这样做的明确指示。相反，如果用户没有选择加入让系统100接收这些输入(或者肯定地选择退出让系统100接收这些输入)，则系统100可被阻止接收、收集、记录或存储这些输入或与这些输入相关联的任何信息。在特定示例中，系统100可以使用预测的情绪、情感或感情来向用户提供推荐或广告。在特定示例中，如果用户希望将该功能用于特定目的或应用，则用户可以指定附加的隐私设置，以选择加入使情绪、情感或感情信息用于该特定目的或应用。作为示例而非限制，系统100可以使用用户的情绪、情感或感情来向用户提供动态消息(newsfeed)项目、页面、朋友或广告。用户可以在其隐私设置中指定系统100可以确定用户的情绪、情感或感情。然后，可以要求用户提供附加的隐私设置，以指示用户的情绪、情感或感情可以被用于的目的。用户可以指示系统100可以使用他或她的情绪、情感或感情来提供动态消息内容和推荐页面，但是不用于推荐朋友或广告。系统100然后可以基于用户情绪、情感或感情来仅提供动态消息内容或页面，而不可以将该信息用于任何其他目的，即使隐私设置没有明确禁止。

在特定示例中，隐私设置可以允许用户参与在线社交网络上对象的限时共享(ephemeralsharing)。限时共享是指在有限的时间段内共享对象(如帖子、照片)或信息。可以通过时间或日期来指定对对象或信息的访问或拒绝访问。作为示例而非限制，用户可以指定用户上传的特定图像在接下来的一周内对用户的朋友可见，在这段时间之后该图像对于其他用户来说可不再是可访问的。作为另一个示例而非限制，公司可以在正式发布之前发布与产品发行相关的内容，并指定该内容直到产品发布之后才可以对其他用户可见。

在特定示例中，对于具有指定它们是限时的隐私设置的特定对象或信息，系统100可以限制其对这些对象或信息的访问、存储或使用。系统100可以临时访问、存储或使用这些特定对象或信息，以促进与这些对象或信息相关联的用户的特定动作，并且可以随后删除该对象或信息，如相应的隐私设置所指定的。作为示例而非限制，第一用户可以向第二用户传输消息，并且系统100可以将该消息临时存储在内容数据储存器中，直到第二用户已经查看或下载了该消息，此时系统100可以从数据储存器中删除该消息。作为另一个示例而非限制，继续前面的示例，消息可以被存储指定的时间段(例如，2周)，在该时间段之后，系统100可以从内容数据储存器中删除该消息。

在特定示例中，隐私设置可以允许用户指定可以从中访问对象的一个或更多个地理位置。对对象的访问或拒绝访问可取决于试图访问对象的用户的地理位置。作为示例而非限制，用户可以共享对象并指定只有同一城市中的用户可以访问或查看该对象。作为另一个示例而非限制，第一用户可以共享对象，并且指定只有当第一用户在特定位置时，该对象才对第二用户是可见的。如果第一用户离开该特定位置，则对象可不再对第二用户是可见的。作为另一示例而非限制，第一用户可以指定对象仅对在距第一用户的阈值距离内的第二用户可见。如果第一用户随后改变位置，则原始具有对对象的访问权的第二用户可能会失去访问权，而新的一组第二用户可能会在他们到达第一用户的阈值距离内时获得访问权。

在特定示例中，系统100可以具有以下功能：可以将用户的个人或生物信息用作输入，以用于用户认证或体验个性化的目的。用户可以选择利用这些功能来增强他们在在线社交网络上的体验。作为示例而非限制，用户可以向系统100提供个人信息或生物信息。用户的隐私设置可以指定这样的信息可以仅用于特定的过程(例如认证)，并且进一步指定这样的信息不可以与任何外部系统130共享或者不可以用于与系统100相关联的其他过程或应用。作为另一示例而非限制，系统100可以为用户提供向在线社交网络提供声纹(voice-print)记录的功能。作为示例而非限制，如果用户希望利用在线社交网络的这一功能，则用户可以提供他或她自己的语音的语音记录，用于提供在线社交网络上的状态更新。语音输入的记录可以与用户的声纹进行比较，以确定用户说了什么话。用户的隐私设置可以指定这种语音记录仅可以用于语音输入目的(例如，认证用户、发送语音消息、改善语音辨识以便使用在线社交网络的语音操作特征)，并且进一步指定这种语音记录不可以与任何外部系统130共享或者由与系统100相关联的其他过程或应用使用。作为另一示例而非限制，系统100可以为用户提供向在线社交网络提供参考图像(例如，面部轮廓、视网膜扫描)的功能。在线社交网络可以将参考图像与稍后接收的图像输入进行比较(例如，以认证用户、在照片中标记用户)。用户的隐私设置可以指定这种参考图像仅可以用于有限的目的(例如，认证、在照片中标记用户)，并且进一步指定这种参考图像不可以与任何外部系统130共享或者由与系统100相关联的其他过程或应用使用。

在特定示例中，对隐私设置的改变可能会追溯地(retroactively)生效，这影响在改变之前被共享的对象和内容的可见性。作为示例而非限制，第一用户可以共享第一图像，并指定第一图像对所有其他用户公开。稍后，第一用户可以指定由第一用户共享的任何图像应该仅对第一用户组可见。系统100可以确定该隐私设置也适用于第一图像，并且使得第一图像仅对第一用户组可见。在特定示例中，隐私设置的改变可能只对将来生效。继续上面的示例，如果第一用户改变隐私设置，然后共享第二图像，则第二图像可以仅对第一用户组可见，但是第一图像可以保持对所有用户可见。在特定示例中，响应于改变隐私设置的用户动作，系统100可以进一步提示用户以指示用户是否想要追溯性地应用隐私设置的改变。在特定示例中，用户对隐私设置的改变可以是特定于一个对象的一次性改变。在特定示例中，用户对隐私的改变可以是针对与用户相关联的所有对象的全局改变。

在特定示例中，系统100可以响应于与第一用户相关联的触发动作，确定第一用户可能想要改变一个或更多个隐私设置。触发动作可以是在线社交网络上的任何合适的动作。作为示例而非限制，触发动作可以是在线社交网络的第一用户和第二用户之间的关系的改变(例如，与用户“取消好友关系(un-friending)”，改变用户之间的关系状态)。在特定示例中，在确定触发动作已经发生时，系统100可以提示第一用户改变关于与第一用户相关联的对象的可见性的隐私设置。该提示可以将第一用户重定向到用于编辑关于与触发动作相关联的一个或更多个实体的隐私设置的工作流过程。与第一用户相关联的隐私设置可以仅响应于来自第一用户的明确输入而被改变，并且未经第一用户的批准不得被改变。作为示例而非限制，工作流过程可以包括向第一用户提供关于第二用户或一组用户的当前隐私设置(例如，从特定对象中取消标记第一用户或第二用户，改变特定对象相对于第二用户或一组用户的可见性)，以及从第一用户接收基于本文描述的任何方法改变隐私设置的指示、或者保持现有的隐私设置的指示。

在特定示例中，用户可能需要在允许用户在在线社交网络上执行特定动作之前提供隐私设置的验证，或者在改变特定隐私设置之前提供验证。当执行特定动作或改变特定隐私设置时，可以向用户呈现提示以提醒用户他或她的当前隐私设置，并要求用户验证关于特定动作的隐私设置。此外，在进行特定动作之前，用户可能需要提供确认、双重确认、认证或其他合适类型的验证，并且该动作不可能完成，直到提供了这种验证。作为示例而非限制，用户的默认隐私设置可以指示一个人的关系状态对所有用户都是可见的(即，“公开”)。然而，如果用户改变他或她的关系状态，系统100可以确定这样的动作可能是敏感的，并且在继续进行之前可以提示用户确认他或她的关系状态是否应该保持公开。作为另一个示例而非限制，用户的隐私设置可以指定用户的帖子仅对用户的朋友可见。然而，如果用户将他或她的帖子的隐私设置改变为公开，则系统100可以以下列两项提示用户：用户当前对帖子的隐私设置是仅对朋友可见的提醒，以及该改变将使用户过去的所有帖子对公众可见的警告。然后，在继续进行隐私设置的改变之前，用户可能需要提供第二次验证、输入认证凭证或提供其他类型的验证。在特定示例中，用户可能需要定期提供隐私设置的验证。可以基于经过的时间或用户动作的数量定期向用户发送提示或提醒。作为示例而非限制，系统100可以每六个月或每十次照片发布后向用户发送提醒以确认他或她的隐私设置。在特定示例中，隐私设置还可以允许用户基于每个请求来控制对对象或信息的访问。作为示例而非限制，每当外部系统130试图访问与用户相关联的信息时，系统100可以通知用户，并且在继续进行之前要求用户提供应该允许访问的验证。

本文已经描述和说明的内容是本公开的示例以及一些变型。本文使用的术语、描述和附图仅通过说明的方式进行阐述，并不意味着限制。在本公开的范围内，许多变化都是可能的，本公开的范围旨在由所附权利要求及其等同物来限定，其中除非另有说明，否则所有术语都是指其最广泛的合理含义。