（MAN)、 校园网（CAN)、广域网（WAN)、移动有线或无线网络、专用网络、虚拟专用网等等。此外，能使 用常规加密技术来加密所有或一些链接。加密技术的示例包括安全套接字层（SSL)、安全 http、虚拟专用网（VPNS)等等。代替或除上述通信技术外，其他实现利用定制和/或专用 数据通信技术。
[0077] 如在此所使用的术语客户端和内容提供者可以指软件提供客户端和内容提供功 能、软件执行于的硬件设备或操作软件和/或硬件的实体。术语"网站"表示用来使用任何 连网技术派发内容的任何计算机系统，不限于经互联网或HTTP上传或下载的内容。
[0078] 术语计算机可读介质包括计算机存储介质。示例包括磁存储设备，诸如硬盘、软盘 和磁带；光盘，诸如压缩盘（CD)和数字通用盘（DVD);磁存储设备，诸如数字带、软盘和磁阻 随机存取存储器（MRAM);非易失存储器，诸如只读存储器（R0M)、可擦除可编程只读存储器 (EPR0M)、和可擦除可编程只读存储器（EEPR0M);易失存储器，诸如随机存取存储器（RAM)、 动态随机存取存储器（DRAM)、铁电随机存取存储器（FeRAM)、静态随机存取存储器（SRAM); 或适合于存储电子指令的任何类型的介质。
[0079] 此外，有时操作配置被称为模块或通过功能名来引用，而不失一般性。术语"模块" 是指用于提供指定功能的计算逻辑。组件间的功能划分、模块命名、组件、属性、数据结构或 任何其他编程或结构方面仅是示例，而不是必须遵守或重要的。此外，其他实现可以缺少模 块和/或以不同方式将所述的功能分布在模块中。由一个组件执行的功能可以替代地由多 个组件执行，以及由多个组件执行的功能可以替代地由单一组件执行。通常，如果适当的 话，在一个实现中描述为在服务器侧上执行的功能在其他实现中能在客户端执行，反之亦 然。
[0080] 尽管通过具体实现描述了主题，其他替选、改进和变形对本领域的技术人员来说 将是显而易见的。因此，本公开旨在示例性的，而不是限制，并且所有这样的替选、改进和变 形均在所附权利要求的精神和范围内。
【主权项】
1. 便利概括媒体的至少一个计算设备，所述计算设备包括： 被配置为存储媒体的数据存储； 观看者交互分析器，所述观看者交互分析器被配置为： 接收包含媒体的文件，所述媒体文件包括多个片段； 基于一组评级者的动作，对所述媒体文件的片段评分； 基于一组观看者与所述媒体文件的所述片段的交互，来测量有关所述媒体文件的所述 片段的观看者度量； 基于所测量的观看者度量来形成特征矢量集，其中所述特征矢量集中的特征矢量基于 所述一组观看者的交互； 基于所述特征矢量集和指派给所述媒体文件的所述片段的分值来训练模型；以及 将所述模型应用于所述媒体文件的所述片段来生成用于所述媒体文件的片段的兴趣 分值；以及 视频编辑器，所述视频编辑器被配置为： 基于具有满足标准的兴趣评级的所述文件的片段，来生成编辑的媒体文件。
2. 如权利要求1所述的至少一个计算设备，其中，所述观看者交互分析器进一步被配 置为测量从由观众重复片段、观众跳过片段、观众暂停片段、观众下滑、观众全屏、观众注 释、观众共享、观众评论发布、观众聊天、观众从寻找动作转换到播放动作、观众在全屏和小 屏幕之间转换及其组合组成的组选择的观看者度量。
3. 如权利要求1所述的至少一个计算设备，进一步包括视频编辑器，被配置为通过从 所述媒体文件过滤兴趣分值低于标准的所述媒体文件的那些片段来编辑媒体文件，并且记 忆所编辑的媒体文件。
4. 如权利要求3所述的至少一个计算设备，其中，所述观看者交互分析器被进一步配 置为：通过将所编辑的媒体文件存储在数据存储中作为所述媒体文件的概括版本，来记忆 所编辑的媒体文件。
5. 如权利要求1所述的至少一个计算设备，其中，所述观看者交互分析器被进一步配 置为基于回归分析来训练所述模型。
6. 如权利要求1所述的至少一个计算设备，其中，所述观看者交互分析器被进一步配 置为测量从由重复片段、跳过片段、暂停片段及其组合组成的组选择的所述一组观看者对 所述媒体文件的所述片段的兴趣。
7. 如权利要求1所述的至少一个计算设备，其中，所述观看者交互分析器被进一步配 置为：基于一组评级者的兴趣来对所述媒体文件的片段评分，并且基于一组观看者与所述 媒体文件的所述片段交互来测量有关所述媒体文件的所述片段的观看者度量，其中至少一 些评级者在第二组观看者中。
8. 如权利要求1所述的至少一个计算设备，其中，所述观看者交互分析器被进一步配 置为概括视频。
9. 一种由被配置成概括媒体的一个或多个计算设备实现的方法，所述方法包括： 接收包含媒体的文件，所述媒体文件包括多个片段； 基于第一组评级者的交互，对所述媒体文件的片段评分； 基于一组观看者与所述媒体文件的所述片段的交互，来测量有关所述媒体文件的所述 片段的观看者度量； 基于所测量的观看者度量来形成特征矢量集，其中所述特征矢量集中的特征矢量基于 所述一组观看者的交互； 基于所述特征矢量集和指派给所述媒体文件的所述片段的分值来训练模型； 将所述模型应用于所述媒体文件的片段来生成用于所述媒体文件的片段的兴趣评 级； 基于具有满足标准的兴趣评级的所述媒体文件的片段，来生成编辑的媒体文件，以及 将所述编辑的媒体文件存储在数据存储中，作为所述媒体文件的概括版本。
10. 如权利要求9所述的方法，进一步包括通过从所述媒体文件过滤其兴趣分值低于 标准的所述媒体文件的那些片段，来编辑所述媒体文件。
11. 如权利要求9所述的方法，进一步包括基于回归分析来训练所述模型。
12. 如权利要求9所述的方法，进一步包括基于测量至少第一组观看者对所述媒体文 件的片段的兴趣，对所述媒体文件的所述片段评分，然后使用所述模型和所测量的交互来 估计观看者兴趣。
13. 存储处理器可执行指令的一个或多个计算机可读介质，所述指令在被执行时使一 个或多个处理器执行推荐相关媒体的操作，所述操作包括： 接收包含媒体的文件，所述媒体文件包括多个片段； 基于第一组评级者的交互，对所述媒体文件的片段评分； 基于一组观看者与所述媒体文件的所述片段的交互，来测量有关所述媒体文件的所述 片段的观看者度量； 基于所测量的观看者度量来形成特征矢量集，其中所述特征矢量集中的特征矢量基于 所述一组观看者的交互； 基于所述特征矢量集和指派给所述媒体文件的所述片段的分值来训练模型； 将所述模型应用于所述媒体文件的片段来生成用于所述媒体文件的片段的兴趣评 级； 基于具有满足标准的兴趣评级的所述媒体文件的片段，来生成编辑的媒体文件，以及 将所述编辑的媒体文件存储在数据存储中，作为所述媒体文件的概括版本。
14. 如权利要求13所述的存储处理器可执行指令的一个或多个计算机可读介质，进一 步包括通过从所述媒体文件过滤其兴趣分值低于阈值的所述媒体文件的那些片段，来编辑 所述媒体文件。
15. 如权利要求13所述的存储处理器可执行指令的一个或多个计算机可读介质，进一 步包括基于回归分析来训练所述模型。
16. 如权利要求13所述的存储处理器可执行指令的一个或多个计算机可读介质，进一 步包括基于测量评级者对所述媒体文件的片段的兴趣来对所述媒体文件的所述片段评分， 然后使用所述模型和所测量的交互来估计观看者兴趣。
17. 如权利要求13所述的存储处理器可执行指令的一个或多个计算机可读介质，进一 步包括基于一组评级者的兴趣来对所述媒体文件的片段评分，并且基于一组观看者与所述 媒体文件的所述片段的交互来测量有关所述媒体文件的所述片段的观看者度量值，其中， 至少一些评级者在所述一组观看者中。
【专利摘要】描述了用于概括媒体的技术。观看者交互分析器接收包含媒体的媒体文件，媒体文件包括多个片段。基于一组评级者的交互来媒体文件的片段评分。基于一组观看者与媒体文件的片段的交互，来测量有关媒体文件的片段的观看者度量。基于所测量的观看者交互来形成特征矢量集，其中特征矢量集中的特征矢量基于所述一组观看者的交互。基于特征矢量集和指派给媒体文件的片段的分值来训练模型。
【IPC分类】H04N21-442
【公开号】CN104756512
【申请号】CN201380056871
【发明人】迈克尔·申那, 阿萨夫·左米特, 盖尔·切奇克
【申请人】谷歌公司
【公开日】2015年7月1日
【申请日】2013年9月10日
【公告号】EP2893710A1, US20140072285, WO2014040082A1