图像专家组）、 QuickTime?、RealVideo?、Shockwave?Flash?等。
[0069] 在212处，缩略图选择工具使用从多个图像帧选择缩略图候选者的方法中的任何 一个选择候选缩略图，如以上列出的。用于从所生成的图像帧选择候选缩略图的方法可以 基于不特定于任何特定用户并且跨过广泛用户基础被应用于任何一个特定视频、一组流送 或静止图像、或其他媒体呈现的因素。
[0070] 在213处，可以通过从存储器检索度量，选择合适目标度量。该选择还可以由用户 或开发者随机地作出。用于选择合适目标度量的其他替代方法可以包括使选择基于媒体传 播者的期望目标的分析。例如，如果主要目标是最大化由通过缩略图表示的媒体呈现生成 的收入，则所选择的目标度量是所生成的收入。如果主要目标是仅确保用户观看整个媒体 呈现，则所选目标对象可以是观看完成。选择点击率作为目标度量可以从期望得出，以基于 CTR增加特定排名。
[0071] 在214处，候选缩略图排名计算器相对于上述一个或多个目标度量，确定用于最 后所选候选缩略图的分值或排名。作为一个实例，如果用于排列缩略图的期望度量是点击 率（CTR)，则候选缩略图排名计算器可以存储用于确定CTR的必要处理技术。如果期望度量 是所生成的收入的量，则用于确定该数据的合适处理技术可以由候选缩略图排名计算器存 储。例如，候选缩略图排名计算器可以将候选缩略图最初呈现在视频共享网站上作为视频 的表示，并且跟踪用于该候选缩略图的点击率（CTR)、用于该候选缩略图的观看完成、或者 结合在第一次呈现该候选缩略图之后的特定时间段内由候选缩略图表示的视频的呈现生 成的收入的量中的一个或多个，用于所有用户和所有显示位置。
[0072] 在216处，候选缩略图分值比较器确定如由候选缩略图排名计算器计算的到目前 为止的最高排名或得分候选缩略图与用于由缩略图选择工具在212处选择的所有候选缩 略图的分值的总和之间的比率。
[0073] 在218处，概率学习工具应用诸如由以上方程A表示的学习过程，以便计算候选缩 略图被选择为用于呈现为视频或其他媒体呈现的表示的最佳缩略图的概率。如上所述，被 表示为方程A中的指数的全局参数可以被改变，以便于尽可能快地接近全局最佳值。在缩 略图选择过程的早期，指数可以从小于1的值变化，以便避免当更多数据被聚集时，在足够 数据被聚集之前，给予初始高得分候选缩略图到大于1的值的太多权重。
[0074] 增加如由概率学习工具应用的方程A中的指数的效果可以由以下假定实例示出： 假设由候选缩略图选择工具选择10个候选缩略图，并且由候选缩略图排名计算器确定这 十个中的一个，以相对于目标度量具有分值10,同时其他九个候选缩略图每个都具有分值 1。如果在方程A中指数是1，则高得分缩略图具有仅为10/19的选择概率、或者约1/2的可 能性。然而，如果指数增加至2,则方程A现在产生100/109的概率，或者几乎非常接近1/1 的被选择的可能性。结果是对于大于1的指数，选择高得分缩略图作为最佳缩略图的概率 以非线性方式增加，并且如在220处所示，当概率足够高时，所选高得分缩略图被认为是最 佳缩略图，并且迭代过程结束，在228处将最佳缩略图呈现给用户。
[0075] 如果在220处，选择最高排名缩略图的概率不足够高，则在222处完成检验，以确 定最近选择的缩略图的分值是否已经提高。如果分值已经提高，则在224处，候选缩略图选 择工具继续以相同距离和/或相同方向作出选择。如果分值未提高，则在226处，概率学习 工具可以决定跳至离先前选择更远和/或在不同方向上的随机图像帧。该过程返回到212， 以使用从多个图像帧选择缩略图候选者的方法中的任何一个选择候选缩略图，如以上列出 的。
[0076] 用于特定搜索位置或主题的示例实现
[0077] 参考图3,示出采用根据本公开的一种实现的技术的示例过程300。所示示例实现 学习用于例如呈现在媒体共享网站上的视频、或静止或流送图像的其他分组的媒体呈现的 最佳典型缩略图，用于所有用户和用于特定搜索结果，或者用于那些媒体呈现的显示位置。 最佳典型缩略图图像可以结合每个候选缩略图的分值相对于上述一个或多个目标度量的 比较被确定。在多种替代实现中，最佳结果可以被认为是具有用于任何一个度量的最高分 值、用于任何一个度量的最低分值、用于多于一个度量的最高累积分值、用于多于一个度量 的最低累积分值等的缩略图图像。
[0078] 用于根据本示例实现生成图像帧并且选择最佳候选缩略图的方法基于对特定主 题或搜索项的搜索的结果，例如，媒体呈现的收集、位于特定搜索结果页面上的视频或静止 或流送图像的其他分组、信道页面等。
[0079] 在该实现中，诸如上述SA学习过程的元启发方法被应用，以学习用于特定显示位 置、主题页面、或搜索结果的最佳缩略图，多个视频可以具有相同候选缩略图图像。这是因 为对于任何特定主题或搜索项，可以是参考或包括来自关于相同主题的其他视频的剪辑的 视频。可以给每个视频提供与出现在相同主题页面上或者在相同列表上并且共享相等（或 类似）缩略图的每个其他视频相关联的分值。该分值将被称为"冲突分值"。
[0080] 由于视频可以包括来自其他视频的剪辑，所以诸如出现在相同搜索页面上的视 频、或流送或静止图像的其他分组可以共享相同典型缩略图。在该特定实现中，复制缩略图 特别相关，这是因为用户将很可能相同地响应相同候选缩略图。为了挑选单个缩略图以显 示，缩略图选择学习过程可以从所生成的图像帧，随机地选择候选缩略图，使得候选缩略图 被选择的概率是相对于候选缩略图的分值与用于所有所选缩略图的集合的总分的比率。
[0081] 在缩略图选择过程的早期，在足够数据已被获得用于有意义分值之前，在上述方 程A中可以使用小于1的指数，以避免集中在除了期望全局最佳值之外的局部最佳值。如 上所述，小于1的指数增加了较低得分候选缩略图被选择为典型缩略图的概率，并且可以 防止在足够数据被聚集之前，集中在最佳缩略图。
[0082] 当从由共同搜索主题得到的视频的图像帧选择候选缩略图，用于挑选相同缩略图 的每一个视频集合时，缩略图选择学习过程检索用于所有这些对视频的冲突分值。如果冲 突分值还不存在，则作为代替，学习过程可以挑选用于两个缩略图的开始分值。然后，学习 过程计算每缩略图的分值，并且分别总计用于所选缩略图的集合的总分。如由以上方程A 所示的候选缩略图的分值与总集合分值的比率表示缩略图将被挑选为最佳缩略图的概率。 写一个步骤可以包括对来自相同位置的剩余视频或搜索结果递归地运行学习过程，以从它 们挑选除了已经挑选的缩略图之外的缩略图。
[0083] 可能存在用于特定主题的搜索结果或搜索项发现太多相关视频或媒体呈现，空间 太大以致不期望SA学习过程合理地集中在具有期望业务模式或者由用户的访问次数的最 佳值上的情况。问题可能增加为在选择过程期间上载到空间的新视频的结果。在该情况下， 可选变化将是从空间或搜索位置确定用于仅一个视频的最佳缩略图。当更多用户访问该位 置，使得存在用于学习过程的足够业务，以集中在最佳解决方案时，结果可以被用于将基于 单个视频的模型插入基于整个搜索位置的模型。
[0084] 用于所选缩略图的分值或成功排名与目标度量的增加成比例地增加。所以，当仅 测试点击率（CTR)时，每次使用和点击候选缩略图时，用于给定缩略图的分值增加。用于缩 略图的分值还可以被负加权。例如，如果用户不观看整个视频，或者在开始观看视频之后快 速地击中回钮，则这可以被认为是用于缩略图的负加权。在该情况下，分值可能减小。这取 决于在训练选择学习过程中使用的度量。用于负得分的度量不需要与用于正得分的那些相 同。在多种替代实现中，缩略图选择工具可以基于挑选缩略图的顺序来调节用于具有相同 或类似典型缩略图的两个以上视频的冲突分值。例如，如果用户点击视频集合（视频A、视 频B、视频C)中的视频B，因为B在A之后被挑选，所以分值AB减小，并且因为B在C之前 被挑选，所以用于BC的分值增加。
[0085] 在图3中的310处，图像帧生成工具从由共同主题、搜索结果或显示位置发现的 媒体呈现，例如，呈现在搜索页面、信道页面上的视频、或流送或静止图像的其他分组等， 生成图像帧。可以通过能够处理来自媒体呈现的视频序列的处理元件生成图像帧，以自 动地生成那些序列的缩略图图像表示。来自媒体呈现的视频的每个序列都可以包括多个 帧，每个帧都包括可以包括一个或多个对象的场景的图像。诸如媒体共享网站的图像源 能够以多种不同格式提供一个或多个视频序列，包括例如第三代平台（3GP)、AVI (视频音 频交互）、Windows Media?、MPEG(运动图像专家组）、QuickTime?、RealVideo?、 Shock wave? Flash? 等。
[0086] 在312处，缩略图选择工具使用从如以上列出的多个图像帧选择缩略图候选的任 何随机或非随机方法，在搜索位置处选择典型候选缩略图。用于从所生成的图像帧选择候 选缩略图的方法可以基于不特定于任何特定用户的并且跨过用于流送或静止图像的分组、 或被发现用于搜索主题或者在特定搜索位置处的其他媒体呈现的广泛用户基础应用的因 素。在该示例实现中，所选候选缩略图还适用于主题或搜索结果。
[0087] 在313处，合适目标度量可以通过从存储器检索度量被选择。选择还可以由用户 或开发者随机地作出。用于选择合适目标度量的其他替代方法可以包括使选择基于媒体传 播者的期望目标的分析。例如，如果主要目标是最大化由通过缩略图表示的媒体呈现生成 的收入，则所选目标度量可以是所生成的收入。如果主要目标是仅确保用户观看整个媒体 呈现，则所选目标度量可以是观看完成。点击率（CTR)作为目标度量的选择可以遵循基于 CTR增加特定排名的期望。
[0088] 在314处，候选缩略图排名计算器相对于上述一个或多个目标度量，确定用于最 新选择的候选缩略图的分值或排名。例如，候选缩略图排名计算器可以在搜索位置处最初 呈现候选缩略图，作为视频或其他媒体呈现的表示，并且跟踪用于该候选缩略图的点击率 (CTR)、用于该候选缩略图的观看完成、或者结合在首先呈现该候选缩略图之后的特定时间 段内由候选缩略图表示的视频的呈现生成的收入的量中的一个或多个，用于所有用户并且 在特定显示位置或搜索结果页面处。
[0089] 在316处，候选缩略图分值比较器确定如由候选缩略图排名计算器计算的到目前 为止的最高排名或得分候选缩略图与用于在312处由缩略图选择工具选择的所有候选缩 略图的分值的总和之间的比率。
[0090] 在318处，概率学习工具应用诸如由以上方程A表示的学习过程，以便计算候选缩 略图被选择为用于呈现为在特定显示位置或搜索结果页面处的视频或其他媒体呈现的表 示的最佳缩略图的概率。如上所述，被表示为方程A中的指数的全局参数可以变化，以便于 尽可能快地接近全局最佳值。在缩略图选择过程的早期，指数可以从小于1的值变化，以便 避免在足够数据被聚集之前，当更多数据被聚集时，给予最初高得分候选缩略图太多权重 到大于1的值。结果是，对于大于1的指数，选择高得分缩略图作为最佳缩略图的概率以非 线性方式增加，并且如在320处所示，当概率足够高时，所选高得分缩略图被认为是最佳缩 略图，并且迭代过