專利名稱：信息處理設(shè)備、信息處理方法以及計算機程序的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及信息處理設(shè)備、信息處理方法以及計算^^呈序，更具體地， 涉及一種信息處理設(shè)備、 一種信息處理方法以及一種計算積一呈序，其執(zhí)行 用于產(chǎn)生可根據(jù)用戶喜好再現(xiàn)內(nèi)容(例如樂曲、靜止圖像和活動圖像)的 播放列表(再現(xiàn)順序信息)的過程。
背景技術(shù)：
在用于諸如樂曲、靜止圖像和活動圖像之類的各種內(nèi)容的重現(xiàn)設(shè)備 中，例如，在從其上存儲有大量內(nèi)容的記錄介質(zhì)如DVD、 HDD和閃存等 中讀取內(nèi)容以重現(xiàn)該內(nèi)容的設(shè)備中，其中一些設(shè)備具有這樣的配置在該 配置中，可以設(shè)置決定內(nèi)容再現(xiàn)順序的列表，即播放列表，以按照該播放 列表中描述的內(nèi)容順序來進(jìn)行再現(xiàn)處理。用戶可以根據(jù)該播放列表來持續(xù) 地再現(xiàn)內(nèi)容，例如樂曲。
盡管可以通過使用戶確認(rèn)存儲在介質(zhì)中的內(nèi)容并以符合用戶偏好的 再現(xiàn)順序來安排該內(nèi)容的方式來產(chǎn)生播放列表，但是也實現(xiàn)了這樣的方 法根據(jù)例如用戶的收聽/觀看歷史而自動產(chǎn)生播放列表。例如，存在這 樣的產(chǎn)生播放列表的技術(shù)在該技術(shù)中，獲得以下兩者之間的距離(例如 余弦函數(shù))通過收集用戶迄今為止所收聽的樂曲的屬性(例如標(biāo)題、藝 術(shù)家、流派和綜述等)而產(chǎn)生的用戶喜好信息，以及可再現(xiàn)的樂曲，以便 在播放列表中設(shè)置具有較短距離的樂曲，并且持續(xù)地再現(xiàn)認(rèn)為用戶會喜歡 的樂曲。此外，還提出了這樣的產(chǎn)生播放列表的技術(shù)其中持續(xù)地再現(xiàn)與 剛才再現(xiàn)的樂曲具有更接近的距離的樂曲。此外，作為要在播放列表中設(shè) 置的內(nèi)容，存在諸如樂曲、靜止圖像和活動圖像之類的各種內(nèi)容，但是在
下面的討論中，將樂曲作為討論的典型示例。
然而，當(dāng)根據(jù)基于用戶在過去的收聽/觀看歷史而產(chǎn)生的用戶喜好信 息來產(chǎn)生播放列表時，基本上將會持續(xù)地再現(xiàn)具有類似曲調(diào)的樂曲。例如， 在用戶喜好信息指示用戶喜歡慢節(jié)奏的情況下，或者在剛才再現(xiàn)的樂曲是 慢節(jié)奏的情況下，存在持續(xù)地再現(xiàn)慢節(jié)奏以至于令用戶厭煩的問題。
作為解決該問題的方法，提出了一種方法，其中以改變樂曲的特定屬 性(例如要再現(xiàn)的樂曲的節(jié)奏)的方式來產(chǎn)生播放列表。例如，專利文獻(xiàn)
1 (見JP-A-2002-333892 )公開了這樣的產(chǎn)生播放列表的技術(shù)。
此外，專利文獻(xiàn)2 (見JP-A-2006-293246)公開了這樣的技術(shù)其中 在上一曲與下一曲之間提供某些與再現(xiàn)樂曲的順序相關(guān)的波動，從而避免 令用戶感到厭煩。

發(fā)明內(nèi)容
在專利文獻(xiàn)1中描述的產(chǎn)生播放列表的技術(shù)中，根據(jù)用戶的喜好來對 要再現(xiàn)的內(nèi)容進(jìn)行選擇，但是專利文獻(xiàn)1并未具體描述所選擇的內(nèi)容如何 被排序以用于再現(xiàn)。此外，在專利文獻(xiàn)2中描述的產(chǎn)生播放列表的技術(shù)中， 僅僅對再現(xiàn)順序提供了波動，并且該方法難以根據(jù)個人喜好來使再現(xiàn)順序 相適應(yīng)。
期望提供一種信息處理設(shè)備、 一種信息處理方法以及一種計算機程 序，其可以根據(jù)用戶的喜好來選擇內(nèi)容，并且可以適當(dāng)?shù)貨Q定內(nèi)容再現(xiàn)順 序，以使得再現(xiàn)順序與用戶的喜好相適應(yīng)。
根據(jù)本發(fā)明的實施例的信息處理設(shè)備是一種執(zhí)行用于產(chǎn)生定義內(nèi)容 再現(xiàn)順序的播放列表的處理過程的信息處理設(shè)備，該信息處理設(shè)備包括 模型信息保存部分，其被配置成在其中存儲多個概率模型，每個概率模型 與內(nèi)容特征量的時間序列模式相對應(yīng)，其中內(nèi)容特征量是與內(nèi)斜目關(guān)的特 征信息；內(nèi)容特征提取部分，其被配置成獲得與要再現(xiàn)的多個內(nèi)容中的每 個內(nèi)斜目對應(yīng)的內(nèi)容特征量；播放列表產(chǎn)生部分，其被配置成將內(nèi)容特征 提取部分中提取的、與要再現(xiàn)的內(nèi)容的再現(xiàn)順序的多個排列模式中的每個
排列模式相對應(yīng)的、內(nèi)容特征量的時間序列模式與保存在模型信息保存部 分中的概率模型進(jìn)行比較，并產(chǎn)生播放列表，在該播放列表中根據(jù)與該概 率模型最相似的內(nèi)容特征量的時間序列模式來設(shè)置內(nèi)容再現(xiàn)順序；以及內(nèi) 容再現(xiàn)部分，其被配置成根據(jù)播放列表產(chǎn)生部分中產(chǎn)生的播放列表來再現(xiàn)內(nèi)容。
此外，在根據(jù)本發(fā)明的實施例的信息處理設(shè)備中，內(nèi)容再現(xiàn)部分被配
置成執(zhí)行這樣的過程內(nèi)容再現(xiàn)部分產(chǎn)生內(nèi)容再現(xiàn)歷史信息、并將該內(nèi)容 再現(xiàn)歷史信息存儲在內(nèi)容再現(xiàn)歷史信息保存部分中，該信息處理設(shè)備還包 括最優(yōu)模型選擇部分，其被配置成將與存儲在內(nèi)容再現(xiàn)歷史信息保存部 分中的內(nèi)容再現(xiàn)歷史信息相匹配的再現(xiàn)歷史所對應(yīng)的、內(nèi)容特征量的時間 序列模式與保存在模型信息保存部分中的多個概率模型進(jìn)行比較，并選擇 與該再現(xiàn)歷史所對應(yīng)的內(nèi)容特征量的時間序列模式最相似的概率模型，作 為最優(yōu)模型，其中播放列表產(chǎn)生部分將內(nèi)容特征提取部分中提取的、與要 再現(xiàn)的內(nèi)容的再現(xiàn)順序的多個排列模式中的每個排列模式相對應(yīng)的、內(nèi)容 特征量的時間序列模式與該最優(yōu)模型進(jìn)行比較，并產(chǎn)生播放列表，在該播 放列表中內(nèi)容再現(xiàn)順序與最相似于該最優(yōu)模型的、內(nèi)容特征量的時間序列 模式相對應(yīng)。
此夕卜，在根據(jù)本發(fā)明的實施例的信息處理設(shè)備中，內(nèi)容再現(xiàn)部分被配 置成執(zhí)行這樣的過程:內(nèi)容再現(xiàn)部分產(chǎn)生內(nèi)容再現(xiàn)歷史信息、并將該內(nèi)容 再現(xiàn)歷史信息保存在內(nèi)容再現(xiàn)歷史信息保存部分中，該信息處理設(shè)備還包 括模型適應(yīng)部分，其被配置成執(zhí)行概率模型更新過程，在該概率模型更 新過程中，模型適應(yīng)部分產(chǎn)生與存儲在內(nèi)容再現(xiàn)歷史信息M部分中的內(nèi) 容再現(xiàn)歷史信息相匹配的再現(xiàn)歷史所對應(yīng)的、內(nèi)容特征量的時間序列，并 使得所產(chǎn)生的、與該再現(xiàn)歷史相對應(yīng)的內(nèi)容特征量的時間序列中包括的參 數(shù)與保存在模型信息保存部分中的概率模型相適應(yīng)，由此模型適應(yīng)部分使 得該概率模型近似于與該再現(xiàn)歷史相對應(yīng)的內(nèi)容特征量的時間序列。
此外，在根據(jù)本發(fā)明的實施例的信息處理設(shè)備中，該信息處理設(shè)備還 包括模型創(chuàng)建部分，其被配置成產(chǎn)生與包含內(nèi)容再現(xiàn)順序的采樣數(shù)據(jù)相 適應(yīng)的概率模型，執(zhí)行用于所創(chuàng)建的概率模型的學(xué)習(xí)過程以創(chuàng)建多個不同 的概率模型，以及將所創(chuàng)建的概率模型存儲在模型信息保存部分中。
此夕卜，在根據(jù)本發(fā)明的實施例的信息處理設(shè)備中，該信息處理設(shè)備還 包括再現(xiàn)內(nèi)容選#^分，其被配置成選擇多個內(nèi)容作為M現(xiàn)的內(nèi)容， 其中所述多個內(nèi)容被配置成具有與保存在模型信息保存部分中的概率模 型相似的序列。
此外，在根據(jù)本發(fā)明的實施例的信息處理設(shè)備中，模型信息保存部分 被配置成在其中存儲依照隱式馬爾可夫模型(HMM)的概率模型，作為 與內(nèi)容特征量的時間序列模式相對應(yīng)的概率模型，該內(nèi)容特征量是與內(nèi)容
此夕卜，在根據(jù)本發(fā)明的實施例的信息處理設(shè)備中，內(nèi)容特征量包括與 構(gòu)成內(nèi)容的數(shù)據(jù)信號相關(guān)的特征信息及與內(nèi)容所對應(yīng)的元信息相關(guān)的特 征信息中的至少任何一個特征信息。
此外，根據(jù)本發(fā)明的實施例的信息處理方法是一種在信息處理設(shè)備中 執(zhí)行用于產(chǎn)生定義內(nèi)容再現(xiàn)順序的播放列表的過程的信息處理方法，該方
法包括以下步驟提取內(nèi)容特征，其中內(nèi)容特征提取部分獲得多個要再現(xiàn) 的內(nèi)容中的每個內(nèi)容所對應(yīng)的內(nèi)容特征量；產(chǎn)生播放列表，其中播放列表
產(chǎn)生部分將在提取內(nèi)容特征的步驟中所^^的、要再現(xiàn)的內(nèi)容的再現(xiàn)順序 的多個排列模式中的每個排列模式所對應(yīng)的、內(nèi)容特征量的時間序列模式 與預(yù)先保存在模型信息保存部分中的概率模型進(jìn)行比較，并產(chǎn)生播放列 表，在該播放列表中根據(jù)與該概率模型最相似的內(nèi)容特征量的時間序列模 式來設(shè)置內(nèi)容再現(xiàn)順序；以及再現(xiàn)內(nèi)容，其中內(nèi)容再現(xiàn)部分才艮據(jù)在產(chǎn)生播 放列表的步驟中所產(chǎn)生的播放列表來再現(xiàn)內(nèi)容。
此外，在根據(jù)本發(fā)明的實施例的信息處理方法中，該信息處理方法還
包括以下步驟產(chǎn)生內(nèi)容再現(xiàn)歷史，其中內(nèi)容再現(xiàn)部分產(chǎn)生內(nèi)容再現(xiàn)歷史
信息，并將該內(nèi)容再現(xiàn)歷史信息存儲在內(nèi)容再現(xiàn)歷史信息M部分中；以
及選擇最優(yōu)模型，其中最優(yōu)模型選#^分將與存儲在內(nèi)容再現(xiàn)歷史信息保
存部分中的內(nèi)容再現(xiàn)歷史信息相匹配的再現(xiàn)歷史所對應(yīng)的、內(nèi)容特征量的
時間序列模式與保存在模型信息保存部分中的多個概率模型進(jìn)行比較，并 選擇與該再現(xiàn)歷史所對應(yīng)的內(nèi)容特征量的時間序列模式最相似的概率模
型，作為最優(yōu)模型，其中，產(chǎn)生播放列表的步驟是以下步驟將在提取內(nèi) 容特征的步驟中所提取的、要再現(xiàn)的內(nèi)容的再現(xiàn)順序的多個排列模式中的 每個排列模式所對應(yīng)的、內(nèi)容特征量的時間序列模式與該最優(yōu)模型進(jìn)行比 較，并產(chǎn)生播放列表，在該播放列表中內(nèi)容再現(xiàn)順序與最相似于最優(yōu)模型 的、內(nèi)容特征量的時間序列模式相對應(yīng)。
此外，在才艮據(jù)本發(fā)明的實施例的信息處理方法中，該信息處理方法還 包括以下步驟產(chǎn)生內(nèi)容再現(xiàn)歷史，其中內(nèi)容再現(xiàn)部分產(chǎn)生內(nèi)容再現(xiàn)歷史 信息，并將該內(nèi)容再現(xiàn)歷史信息存儲在內(nèi)容再現(xiàn)歷史信息M部分中；以 及使模型相適應(yīng)，其中模型適應(yīng)部分執(zhí)行以下過程模型適應(yīng)部分使得與 存儲在內(nèi)容再現(xiàn)歷史信息保存部分中的內(nèi)容再現(xiàn)歷史信息相匹配的再現(xiàn) 歷史所對應(yīng)的內(nèi)容特征量的時間序列中包括的參數(shù)與保存在模型信息保 存部分中的概率模型相適應(yīng)，由此模型適應(yīng)部分使得該概率模型近似于該
再現(xiàn)歷史所對應(yīng)的內(nèi)容特征量的時間序列。
此外，在根據(jù)本發(fā)明的實施例的信息處理方法中，該信息處理方法還
包括以下步驟產(chǎn)生模型，其中模型創(chuàng)建部分產(chǎn)生與包含內(nèi)容再現(xiàn)順序的 采樣數(shù)據(jù)相適應(yīng)的概率模型；執(zhí)行用于所創(chuàng)建的概率模型的學(xué)習(xí)過程以創(chuàng) 建多個不同的概率模型；以及將所創(chuàng)建的概率模型存儲在模型信息M部 分中。
此夕卜，在根據(jù)本發(fā)明的實施例的信息處理方法中，該信息處理方法還 包括以下步驟選擇M現(xiàn)的內(nèi)容，其中再現(xiàn)內(nèi)容選#^分選擇多個內(nèi)容 作為要再現(xiàn)的內(nèi)容，其中所述多個內(nèi)M配置成具有與保存在模型信息保 存部分中的概率模型相似的序列。
此夕卜，在根據(jù)本發(fā)明的實施例的信息處理方法中，模型信息保存部分 被配置成在其中存儲依照隱式馬爾可夫模型(HMM)的概率模型，作為 與內(nèi)容特征量的時間序列模式相對應(yīng)的概率模型，其中內(nèi)容特征量是與內(nèi)
斜目關(guān)的特征信息。
此外，在根據(jù)本發(fā)明的實施例的信息處理方法中，內(nèi)容特征量至少包 括與構(gòu)成內(nèi)容的數(shù)據(jù)信號相關(guān)的特征信息及與內(nèi)容所對應(yīng)的元信息相關(guān) 的特征信息中的至少任何一個特征信息。
此外，根據(jù)本發(fā)明的實施例的計算機程序是一種允許信息處理設(shè)備執(zhí) 行用于產(chǎn)生定義內(nèi)容再現(xiàn)順序的播放列表的過程的計算機程序，該過程包 括以下步驟提取內(nèi)容特征，其中內(nèi)容特征提取部分被允許獲得要再現(xiàn)的 多個內(nèi)容的每個內(nèi)容所對應(yīng)的內(nèi)容特征量；產(chǎn)生播放列表，其中播放列表 產(chǎn)生部分被允許將在提取內(nèi)容特征的步驟中所提取的、要再現(xiàn)的內(nèi)容的再 現(xiàn)順序的多個排列模式中的每個排列模式所對應(yīng)的、內(nèi)容特征量的時間序 列模式與預(yù)先保存在模型信息保存部分中的概率模型進(jìn)行比較，并產(chǎn)生播 放列表，在該播放列表中根據(jù)最相似于該概率模型的、內(nèi)容特征量的時間 序列模式來設(shè)置內(nèi)容再現(xiàn)順序；以及再現(xiàn)內(nèi)容，其中內(nèi)容再現(xiàn)部分被允許 根據(jù)在產(chǎn)生播放列表的步驟中所產(chǎn)生的播放列表來再現(xiàn)內(nèi)容。
此外，例如，根據(jù)本發(fā)明的實施例的計算機程序是一種通過在運行各 種程序和代碼的多用途計算機系統(tǒng)中以計算機可讀格式形式的記錄介質(zhì) 來提供、以及經(jīng)由通信介質(zhì)提供的計算機程序。這種程序是以計算機可讀 格式的形式來提供的，由此在計算機系統(tǒng)上實現(xiàn)依照該程序的過程。
根據(jù)稍后描述的基于本發(fā)明的實施例的詳細(xì)描述以及附圖，根據(jù)本
明的實施例的其它目的、特征和優(yōu)點將變得明顯。此外，本:沈明書中的系 統(tǒng)是多個設(shè)備的邏輯集合的配置，其并不局限于將單獨配置的設(shè)備設(shè)置在 同一殼體內(nèi)的系統(tǒng)。
根據(jù)本發(fā)明的實施例，在執(zhí)行用于產(chǎn)生定義內(nèi)容再現(xiàn)順序的播放列表 的過程的信息處理設(shè)備中，該信息處理設(shè)備被配置成將內(nèi)容特征量的時 間序列模式所對應(yīng)的概率模型存儲在模型信息保存部分中，其中特征量是 與內(nèi)斜目關(guān)的特征信息，將M現(xiàn)的內(nèi)容的再現(xiàn)順序的多個排列模式中的 每個排列模式所對應(yīng)的、內(nèi)容特征量的時間序列模式與存儲在模型信息保 存部分中的概率模型進(jìn)行比較(計算似然性)，產(chǎn)生播放列表，在該播放 列表中根據(jù)最相似于該概率模型的、內(nèi)容特征量的時間序列模式來設(shè)置內(nèi) 容再現(xiàn)順序，以及根據(jù)所產(chǎn)生的播放列表來再現(xiàn)內(nèi)容。因此，可以根據(jù)用 戶的喜好來再現(xiàn)內(nèi)容。


圖1示出了說明根據(jù)本發(fā)明的實施例的信息處理設(shè)備的示例性配置 和處理過程的圖示；
圖2示出了說明使用根據(jù)本發(fā)明的信息處理設(shè)備來產(chǎn)生播放列表并 再現(xiàn)內(nèi)容的處理序列的流程圖3示出了描述由根據(jù)本發(fā)明的實施例的信息處理設(shè)備所產(chǎn)生的內(nèi) 容特征量序列的示例性數(shù)據(jù)配置的圖示；
圖4示出了說明根據(jù)本發(fā)明的實施例的信息處理設(shè)備的模型信息保 存部分中保存的示例性概率模型的圖示；
圖5示出了說明由根據(jù)本發(fā)明的實施例的信息處理設(shè)備的播放列表 產(chǎn)生部分所產(chǎn)生的備選再現(xiàn)順序所對應(yīng)的、N個內(nèi)容特征量序列的示例性 數(shù)據(jù)配置的圖示；
圖6示出了說明產(chǎn)生根據(jù)本發(fā)明的實施例的信息處理設(shè)備的模型信 息#部分中*的概率模型的處理序列的流程圖7示出了說明由根據(jù)本發(fā)明的實施例的信息處理設(shè)備的模型適應(yīng) 部分所執(zhí)行的處理序列的流程圖，在該處理序列中更新存儲在模型信息保 存部分中的概率模型并使得該概率模型與用戶的喜好相適應(yīng)；
圖8示出了說明使用根據(jù)本發(fā)明的實施例的信息處理設(shè)備的模型信
息保存部分中存儲的概率模型來選擇要再現(xiàn)的內(nèi)容的處理序列的流程圖; 以及
圖9示出了說明該信息處理設(shè)備的示例性硬件配置的圖示。
具體實施例方式
在下文中，將參照附圖來描述根據(jù)本發(fā)明的實施例的信息處理設(shè)備、 信息處理方法以及計算機程序。
下面將參照圖1來描述根據(jù)本發(fā)明的實施例的信息處理設(shè)備的配置 和處理過程。如圖l所示，根據(jù)本發(fā)明的實施例的信息處理設(shè)備100具有 最優(yōu)模型選#^分101、再現(xiàn)內(nèi)容選,分102、播放列表產(chǎn)生部分103、 內(nèi)容再現(xiàn)部分104、內(nèi)容特征提取部分105、模型信息保存部分106、內(nèi) 容信息保存部分107、內(nèi)容再現(xiàn)歷史信息保存部分108、模型適應(yīng)部分109、 以及模型創(chuàng)建部分lll。
此夕卜，模型創(chuàng)建部分111是創(chuàng)建要存儲在模型信息M部分106中的
概率模型的處理部分，該模型創(chuàng)建部分111在概率模型已被存儲在模型信
息保存部分106中的配置中是不必要的，并且其不3—信息處理設(shè)備100
的必要配置。模型創(chuàng)建部分111執(zhí)行諸如對存儲在模型信息保存部分106 中的概率模型的產(chǎn)生和更新之類的過程。
內(nèi)容信息保存部分107在其中存儲與作為用于產(chǎn)生播放列表的目標(biāo) 的內(nèi)斜目對應(yīng)的內(nèi)容信息，即，諸如樂曲之類的內(nèi)容。例如，內(nèi)容信息是 與要向用戶呈現(xiàn)的樂曲的標(biāo)題、藝術(shù)家姓名相關(guān)的信息。此外，內(nèi)容信息 保存部分107存儲內(nèi)容信息以及內(nèi)容特征量。
內(nèi)容特征量是要通iM"內(nèi)容(例如樂曲)的信號處理來進(jìn)行分析的特 征量，或內(nèi)容中預(yù)設(shè)的諸如元信息之類的特征量。更具體地，例如，內(nèi)容 特征量是諸如作為內(nèi)容的樂曲的功率、音調(diào)、節(jié)奏、以及情緒和聲部的類 型之類的信息。此外，稍后將描述內(nèi)容特征量的具體示例。內(nèi)容信息* 部分107是在其中存儲上述的內(nèi)容信息和內(nèi)容特征量的存儲部分。
內(nèi)容特征提取部分105獲得與存儲在內(nèi)容信息M部分107中的內(nèi)容 相關(guān)的特征量，基于存儲在內(nèi)容再現(xiàn)歷史信息*部分108中的用戶的內(nèi) 容再現(xiàn)歷史信息來產(chǎn)生內(nèi)容特征量的時間序列數(shù)據(jù)，并將該時間序列數(shù)據(jù) 提供給最優(yōu)模型選擇部分101。內(nèi)容再現(xiàn)歷史信息*部分108是在其中 存儲與使用信息處理設(shè)備100的用戶的已再現(xiàn)的內(nèi)斜目關(guān)的再現(xiàn)歷史信
息的存儲部分。
內(nèi)容特征^^部分105產(chǎn)生與存儲在內(nèi)容再現(xiàn)歷史信息*部分108 中的用戶的內(nèi)容再現(xiàn)歷史信息相匹配的時間序列再現(xiàn)歷史所對應(yīng)的、內(nèi)容 特征量的時間序列數(shù)據(jù)。換言之，內(nèi)容特征提取部分105獲得與保存在內(nèi) 容信息^M^部分107中的內(nèi)斜目關(guān)的特征量，產(chǎn)生與內(nèi)容再現(xiàn)歷史信息相 對應(yīng)的內(nèi)容特征量的時間序列數(shù)據(jù)，并將該時間序列數(shù)據(jù)提供給最優(yōu)模型 選#^分101。
最優(yōu)模型選#^分101接收來自內(nèi)容特征提取部分105的、內(nèi)容再現(xiàn) 歷史所對應(yīng)的內(nèi)容特征量的時間序列數(shù)據(jù)的輸入，并從保存在模型信息保 存部分106中的多個概率模型中選擇接近于所輸入的內(nèi)容特征量的時間 序列數(shù)據(jù)的概率模型。稍后將描逸基于內(nèi)容特征量的時間序列數(shù)據(jù)的概率 模型選擇技術(shù)的細(xì)節(jié)。此夕卜，模型信息保存部分106在其中存儲例如通過 隱式馬爾可夫模型(HMM)表示的多個概率模型。
再現(xiàn)內(nèi)容選#^分102從保存在內(nèi)容信息保存部分107中的內(nèi)容中選 擇要再現(xiàn)的內(nèi)容。為了選擇內(nèi)容，用戶可以指定內(nèi)容，或者可以使用公知 的內(nèi)容推薦技術(shù)來進(jìn)行選擇，或者可以使用稍后描述的概率模型來進(jìn)行選 擇。被選擇為要再現(xiàn)的內(nèi)容的內(nèi) 提供給播放列表產(chǎn)生部分103。
播放列表產(chǎn)生部分103根據(jù)稍后描述的方法來決定被選擇為再現(xiàn)目 標(biāo)的內(nèi)容的再現(xiàn)順序，并產(chǎn)生播放列表。換言之，播放列表產(chǎn)生部分103 使用概率模型來決定內(nèi)容再現(xiàn)順序，產(chǎn)生播放列表，并將該播放列表提供 給內(nèi)容再現(xiàn)部分104。
基于播放列表產(chǎn)生部分103中產(chǎn)生的播放列表，內(nèi)容再現(xiàn)部分104 使諸如列表中描述的內(nèi)容的標(biāo)題之類的內(nèi)容標(biāo)識信息相適應(yīng)，以從未示出 的內(nèi)M儲部分如硬盤、DVD或閃存中獲得內(nèi)容，以便再現(xiàn)該內(nèi)容。
在產(chǎn)生內(nèi)容時，內(nèi)容再現(xiàn)部分104還產(chǎn)生內(nèi)容再現(xiàn)歷史信息，并將所 產(chǎn)生的內(nèi)容再現(xiàn)歷史信息提供給內(nèi)容再現(xiàn)歷史信息保存部分108。用戶的 再現(xiàn)歷史U于播放列表的內(nèi)容再現(xiàn)順序信息，例如按再現(xiàn)順序安排內(nèi)容 標(biāo)識信息項的內(nèi)容再現(xiàn)歷史信息。此外，在用戶并不根據(jù)播放列表來再現(xiàn) 內(nèi)容并且跳過內(nèi)容的再現(xiàn)的情況下，內(nèi)容再現(xiàn)部分104保存與所跳過的內(nèi) 斜目關(guān)的標(biāo)識信息，還獲得與所跳過的內(nèi)斜目關(guān)的內(nèi)容信息，并將該標(biāo)識 信息和內(nèi)容信息提供給內(nèi)容再現(xiàn)歷史信息保存部分108。
模型適應(yīng)部分109接收M在內(nèi)容再現(xiàn)歷史信息M部分108中的再
現(xiàn)歷史信息的輸入，并執(zhí)行使得存儲在模型信息保存部分106中的概率模 型與用戶的喜好相適應(yīng)的過程。稍后將描述該過程的細(xì)節(jié)。
模型信息保存部分106、內(nèi)容信息保存部分107、以及內(nèi)容再現(xiàn)歷史 信息保存部分108全都被配置成具有數(shù)據(jù)存儲部分，并且如上文所討論 的，模型信息M部分106M通過例如隱式馬爾可夫模型(HMM)來 表示的多個概率模型，而且內(nèi)容信息保存部分107保存與要向用戶呈現(xiàn)和 再現(xiàn)的內(nèi)斜目關(guān)的信息，以及通過內(nèi)容的信號分析而提取的特征量或諸如 元數(shù)據(jù)之類的作為與內(nèi)容相對應(yīng)的信息而預(yù)先提供的內(nèi)容特征量。內(nèi)容再 現(xiàn)歷史信息*部分108保存用戶的內(nèi)容再現(xiàn)歷史。
接下來，將會參照圖2所示的流程圖來描述以下過程的流程具有圖 1所示的配置的信息處理設(shè)備100所執(zhí)行的內(nèi)容再現(xiàn)過程，即，產(chǎn)生與用 戶的喜好相匹配的播放列表以再現(xiàn)內(nèi)容的過程。圖2所示的過程在被請求 根據(jù)播放列表開始再現(xiàn)的用戶通過信息處理設(shè)備100的輸入部分觸發(fā)時 開始。
首先，在步驟S101中，內(nèi)容特征提取部分105產(chǎn)生與存儲在內(nèi)容再 現(xiàn)歷史信息保存部分108中的用戶的內(nèi)容再現(xiàn)歷史信息相匹配的時間序 列再現(xiàn)歷史所對應(yīng)的、內(nèi)容特征量的時間序列數(shù)據(jù)。
內(nèi)容再現(xiàn)歷史信息保存部分108存儲有過去由用戶使用信息處理設(shè) 備100所執(zhí)行的內(nèi)容再現(xiàn)歷史信息。例如，該內(nèi)容再現(xiàn)歷史信息是關(guān)于以 下內(nèi)容的信息
(a) 2007/07/01:內(nèi)容A—內(nèi)容B—內(nèi)容C—內(nèi)容D
(b) 2007/07/02:內(nèi)容F—內(nèi)容K—內(nèi)容P—內(nèi)容M
(c) 2007/07/03:內(nèi)容Q—內(nèi)容A—內(nèi)容G—內(nèi)容D
內(nèi)容特征提取部分105根據(jù)時間序列再現(xiàn)順序來從存儲在內(nèi)容再現(xiàn) 歷史信息保存部分108中的用戶的再現(xiàn)歷史中提取內(nèi)容的特征量，并產(chǎn)生 內(nèi)容特征量序列。
例如，產(chǎn)生如圖3所示的內(nèi)容特征量序列。圖3所示的示例^|_按用戶 所執(zhí)行的內(nèi)容再現(xiàn)過程的順序來安排內(nèi)容特征量的數(shù)據(jù)。內(nèi)容再現(xiàn)順序是 這樣的順序曲A、曲B、曲C、曲D和曲E。內(nèi)容特征提取部分105產(chǎn) 生內(nèi)容特征量序列，在該內(nèi)容特征量序列中，按再現(xiàn)順序來安排保存在內(nèi) 容再現(xiàn)歷史信息保存部分108中的、與用戶的再現(xiàn)歷史(曲A—曲B — 曲C—曲D—曲E)相對應(yīng)的內(nèi)容的特征量(諸如樂曲的功率、音調(diào)、
節(jié)奏、以及情緒和聲部的類型之類的特征量)。
內(nèi)容特征量序列是根據(jù)樂曲的再現(xiàn)順序?qū)⒁韵绿卣髁孔鳛樘卣髁肯?br> 量序列來提供諸如功率、音調(diào)和節(jié)奏之類的以信號處理方式確定的特征 量、以及諸如樂曲的情緒和聲部的類型之類的作為元數(shù)據(jù)而提供的特征 量。此外，特征量可以是還包括數(shù)字特征量和符號特征量的數(shù)據(jù)，或者可 以是僅包括數(shù)字特征量和符號特征量中的任何一個的數(shù)據(jù)。
隨后，在步驟S102中，基于所產(chǎn)生的內(nèi)容特征量序列，針對保存在 模型信息保存部分106中的多個概率模型中的每個概率模型來計算似然 性，以選擇具有最高似然性的模型。
該過程是由最優(yōu)模型選擇部分101執(zhí)行的過程，其中最優(yōu)模型選, 分101接收來自內(nèi)容特征提取部分105的、與內(nèi)容再現(xiàn)歷史相對應(yīng)的內(nèi)容 特征量的時間序列數(shù)據(jù)的輸入，并從保存在模型信息*部分106中的多 個概率模型中選擇接近于所輸入的內(nèi)容特征量的時間序列數(shù)據(jù)的概率模 型。
在圖4中示出了保存在模型信息保存部分106中的示例性概率模型。 圖4所示的概率模型是一種隱式馬爾可夫模型(HMM)，其被稱為各態(tài) 遍歷的HMM。圖4所示的示例具有四個狀態(tài)，即狀態(tài)1至4，并且將狀 態(tài)1至狀態(tài)4中的轉(zhuǎn)變概率指示為anm。例如，從狀態(tài)1到狀態(tài)2的轉(zhuǎn) 變概率是a12，從狀態(tài)1到狀態(tài)3的轉(zhuǎn)變概率是a13，從狀態(tài)1到狀態(tài)1 的轉(zhuǎn)變概率是all。
另一方面，各個狀態(tài)被分配有用于產(chǎn)生樂曲的特征量向量(樂曲的功 率、音調(diào)、節(jié)奏、以及情緒和聲部的類型)的輸出概率的M。更具體地， 針對通過實數(shù)值表示的特征量，分配諸如混合正態(tài)分布之類的參數(shù)，而在 特征量取諸如元數(shù)據(jù)之類的離散值的情況下，分配諸如各個離散值的出現(xiàn)
概率表之類的^L
模型信息保存部分106具有多個這種概率模型。例如，這些概率模型 是通過基于釆樣數(shù)據(jù)的學(xué)習(xí)而產(chǎn)生的。稍后將描述用于產(chǎn)生概率模型的過 程的細(xì)節(jié)。
在步驟S102中，相對于保存在模型信息保存部分106中的多個概率 模型，檢查與用戶的內(nèi)容再現(xiàn)歷史信息相匹配的時間序列再現(xiàn)歷史所對應(yīng) 的、內(nèi)容特征量的時間序列數(shù)據(jù)，并選擇最相似的概率模型，即，具有最 高似然性的模型。
換言之，最優(yōu)模型選擇部分101計算下述這兩者之間的似然性與用 戶的內(nèi)容再現(xiàn)歷史信息相匹配的時間序列再現(xiàn)歷史所對應(yīng)的內(nèi)容特征量 的時間序列數(shù)據(jù)、以及^M!"在模型信息M部分106中的多個概率模型中 的每個概率模型，并選擇具有最高似然性的模型作為最優(yōu)模型。
然后，在步驟S103中，在再現(xiàn)內(nèi)容選擇部分102中選擇要再現(xiàn)的多 個內(nèi)容。為了選擇內(nèi)容，用戶可以指定內(nèi)容，或者可以使用公知的內(nèi)容推 薦技術(shù)來進(jìn)行選擇，或者可以使用概率模型來進(jìn)行選擇。稍后將描述使用 概率模型來選擇要再現(xiàn)的內(nèi)容的技術(shù)。
然后，在步驟S104中，播放列表產(chǎn)生部分103從再現(xiàn)內(nèi)容選,分 102獲得與所選內(nèi)容相關(guān)的信息，并產(chǎn)生多個所選內(nèi)容的備選排列。例如， 假i殳存在五個戶斤選內(nèi)容(A, B， C, D， E),貝'J，
5x4x3x2x1 = 120種備選再現(xiàn)順序被產(chǎn)生如下
A —B —C — D —E，
A — B —C — E —D,
A—B —E —C —D，等等，
并產(chǎn)生與這些備選再現(xiàn)順序相對應(yīng)的N個內(nèi)容特征量序列。例如， 如圖5所示，產(chǎn)生N個內(nèi)容特征量序列。
在步驟S105中，播放列表產(chǎn)生部分103還計算下述這兩者之間的似 然性N個內(nèi)容特征量序列中的每個序列，以及先前在步驟S102中選擇 的、最接近于再現(xiàn)歷史所對應(yīng)的特征量序列的概率模型。
換言之，播放列表產(chǎn)生部分103計算下述這兩者之間的似然性取決 于新被選擇為要再現(xiàn)的內(nèi)容而設(shè)置的備選再現(xiàn)順序中的N個備選再現(xiàn)順 序所對應(yīng)的N個內(nèi)容特征量序列中的每個序列、以及先前在步驟S102中 選擇的最接近于再現(xiàn)歷史所對應(yīng)的特征量序列的概率模型，并選擇最接近 于所選擇的概率模型的內(nèi)容特征量序列。
隨后，在步驟S106中，播放列表產(chǎn)生部分103根據(jù)具有最高似然性 的內(nèi)容特征量序列所對應(yīng)的內(nèi)^#列來產(chǎn)生播放列表。
例如，如上文所討論的，假i殳存在五個所選的內(nèi)容(A, B， C， D 和E)，則，
5x4x3x2x1 = 120種備選再現(xiàn)順序被產(chǎn)生如下
A—B —C —D —E, A —B —C —E —D， A —B —E —C —D，等等，
并設(shè)置與其中每種方式相對應(yīng)的內(nèi)容特征量序列。然而，從這些內(nèi)容 特征量序列中選擇最接近于在步驟S102中選擇的概率模型的內(nèi)容特征量 序列，并產(chǎn)生具有與所選擇的內(nèi)容特征量序列相對應(yīng)的內(nèi)容順序的播放列 表。
在步驟S107中，內(nèi)容再現(xiàn)部分104才艮據(jù)上述過程中由播放列表產(chǎn)生 部分103所產(chǎn)生的播放列表來再現(xiàn)內(nèi)容。
此夕卜，上述示例性過程被描述為再現(xiàn)內(nèi)容選#^5分102 —起選擇多個 要再現(xiàn)的內(nèi)容的示例性過程，并且播放列表產(chǎn)生部分103產(chǎn)生定義多個所 選擇的內(nèi)容的再現(xiàn)順序的播放列表。然而，例如，以下配置是可能的，在 該配置中，將內(nèi)容選擇過程作為以以下方式考慮播放列表的過程來執(zhí)行 再現(xiàn)內(nèi)容選擇部分102考慮迄今為止的內(nèi)容再現(xiàn)歷史以依次選擇單個內(nèi) 容。
接下來，將參照圖6所示的流程圖來描述產(chǎn)生保存在圖1所示的模型 信息*部分106中的概率模型的處理步驟。如同上文參照圖4所討論的， 例如，保存在模型信息保存部分106中的概率模型是依照隱式馬爾可夫模 型(HMM)的概率模型，例如，該概率模型是通過基于采樣數(shù)據(jù)的學(xué)習(xí) 而產(chǎn)生的。
這些處理步驟是在圖1所示的模型創(chuàng)建部分lll中執(zhí)行的。如上文所 討論的，模型創(chuàng)建部分111是產(chǎn)生存儲在模型信息保存部分106中的概率 模型的處理部分，該處理部分在概率模型已被存儲在模型信息保存部分 106中的配置中是不必要的，并且不是信息處理設(shè)備100的必要配置。模 型創(chuàng)建部分111執(zhí)行諸如對存儲在模型信息保存部分106中的概率模型的 產(chǎn)生和更新等的過程。下面將參照圖6所示的流程圖來描述由模型創(chuàng)建部 分111執(zhí)行的用于產(chǎn)生概率模型的過程。
首先，在步驟S201中，作為用于學(xué)習(xí)的數(shù)據(jù)，準(zhǔn)備了具有內(nèi)容再現(xiàn) 順序的采樣數(shù)據(jù)。為此，例如，使用與各個樂曲在樂曲集中的順序相關(guān)的 信息、或者與各種人的內(nèi)容再現(xiàn)順序相關(guān)的數(shù)據(jù)。
隨后，在步驟S202中，產(chǎn)生與學(xué)習(xí)數(shù)據(jù)的內(nèi)容再現(xiàn)順序相對應(yīng)的內(nèi) 容特征量序列。
如上文所討論的，內(nèi)容特征量是針對每個內(nèi)容以信號處理的方式來分 析的特征量，或者被提供為元信息的特征量，更具體地，例如，諸如功率、 音調(diào)、節(jié)奏、情緒和聲部等的特征量，并且還產(chǎn)生要基于學(xué)習(xí)數(shù)據(jù)來產(chǎn)生
的內(nèi)容特征量序列，作為與參照圖5所描述的內(nèi)容特征量序列相類似的多 個內(nèi)容特征量序列。
隨后，在步驟S203中，從所獲得的內(nèi)容特征量序列的組中提取部分 序列。在提取所述部分序列時，可以使用所謂的數(shù)據(jù)挖掘技術(shù)來提取經(jīng)常 出現(xiàn)的序列模式，或者可以簡單地提取一連串序列中的N個序列，或者 可以無改變地使用學(xué)習(xí)數(shù)據(jù)。
隨后，在步驟S204中，通過使用聚類技術(shù)而將部分序列的組劃分為
多個聚類。在步驟S205至S206中，將一個概率模型分配給所獲得的各個
聚類中的每個聚類，并通過被分配給每個聚類的特征量序列的組來學(xué)習(xí)每 個概率模型。
此外，如同上文參照圖4所討論的，例如，所述概率模型是依照隱式 馬爾可夫模型(HMM)的概率模型，并且如上文所述，所述概率模型是 通過在先前階段基于采樣數(shù)據(jù)的學(xué)習(xí)而產(chǎn)生的。此外，在該實施例中，特 征量是作為內(nèi)容的特征量的、諸如樂曲的功率、音調(diào)、節(jié)奏、以及情緒和 聲部的類型等的特征量。所使用的特征量可以包括數(shù)字特征量和符號特征 量這兩者，或者可以僅具有這兩者中的任何一個。在步驟S205至S206 中的學(xué)習(xí)概率模型的過程中，在提供了數(shù)字特征量和符號特征量這兩者的 情況下，例如，可以將所述特征量作為多碼流(multistream)特征量地 來執(zhí)行這種學(xué)習(xí)。
通過上述過程，創(chuàng)建了多個不同的概率模型，并且所創(chuàng)建的概率模型 被存儲在模型信息保存部分106中。
接下來，將參照圖7所示的流程圖來描述圖1所示的信息處理設(shè)備 100的模型適應(yīng)部分109所執(zhí)行的過程，即，基于存儲在內(nèi)容再現(xiàn)歷史信 息保存部分108中的、用戶的再現(xiàn)歷史信息來更新存儲在模型信息保存部 分106中的概率模型并使得該概率模型與用戶的喜好相適應(yīng)的處理序列。
首先，在步驟S301中，與上述的圖6所示的流程的步驟S201至S202 中的過程相類似地，模型適應(yīng)部分109接收存儲在內(nèi)容再現(xiàn)歷史信息保存 部分108中的用戶的內(nèi)容再現(xiàn)歷史的輸入，并產(chǎn)生與所述再現(xiàn)歷史中的內(nèi) 容再現(xiàn)順序相對應(yīng)的、內(nèi)容特征量的時間序列。換言之，模型適應(yīng)部分109從內(nèi)容信息^^部分107獲得在存儲在內(nèi) 容再現(xiàn)歷史信息M部分108中的用戶的內(nèi)容再現(xiàn)歷史中包括的內(nèi)容特 征量，并產(chǎn)生以所述內(nèi)容再現(xiàn)順序來安排內(nèi)容特征量的、內(nèi)容特征量的時 間序列。
隨后，在步驟S302中，模型適應(yīng)部分109將所產(chǎn)生的內(nèi)容特征量的 時間序列與存儲在模型信息保存部分106中的多個概率模型中的每個概 率模型進(jìn)行比較，并基于用戶的內(nèi)容再現(xiàn)歷史來選擇最相似的概率模型， 即，具有與所產(chǎn)生的內(nèi)容特征量序列之間的最高似然性的概率模型。
隨后，在步驟S303中，模型適應(yīng)部分109使得^lt與基于根據(jù)用戶 的內(nèi)容再現(xiàn)歷史所產(chǎn)生的內(nèi)容特征量的時間序列所選擇的概率模型相適 應(yīng)。針對所述適應(yīng)技術(shù)，例如，可以使用諸如最大后驗概率估計(MAP 估計)等的^^技術(shù)。
通過上述過程，存儲在模型信息保存部分106中的概率模型被更新為 具有接近于基于用戶的內(nèi)容再現(xiàn)歷史所產(chǎn)生的內(nèi)容特征量的時間序列的 參數(shù)的概率模型。
如同上文參照圖4所討論的，例如，存儲在模型信息保存部分106 中的概率模型是依照隱式馬爾可夫模型(HMM)的概率模型，并且在初
始階段，例如，通過基于采樣數(shù)據(jù)的學(xué)習(xí)來產(chǎn)生所述概率模型。上述適應(yīng) 過程被執(zhí)行用于根據(jù)在信息處理設(shè)備100中執(zhí)行內(nèi)容再現(xiàn)的用戶的再現(xiàn) 歷史來更新^lt，該用戶的喜好被逐步地反映，并且所述概率模型被更新 為與各個用戶相適應(yīng)的概率模型。
接下來，將參照圖8所示的流程圖來描述通過使用存儲在模型信息保 存部分106中的概率模型來選擇要再現(xiàn)的內(nèi)容的處理步驟。
如同在圖2所示的產(chǎn)生播放列表和再現(xiàn)內(nèi)容的處理序列中的步驟 S103中的內(nèi)容選擇過程中所描述的，在再現(xiàn)內(nèi)容選#^分102中選擇了 多個要再現(xiàn)的內(nèi)容的情況下，作為內(nèi)容選擇技術(shù)，用戶指定、使用乂i^的 內(nèi)容推薦技術(shù)的過程、或者使用概率模型的選擇過程都是可行的。
在下文中，將描述通過使用存儲在模型信息保存部分106中的概率模 型來選擇要再現(xiàn)的內(nèi)容的處理步驟。
此外，在該處理步驟執(zhí)行之前已將多個概率模型存儲在模型信息保存 部分106中的情況下，選擇單個概率模型。為了選擇概率模型，例如，通 過與圖2所示的產(chǎn)生播放列表并再現(xiàn)內(nèi)容的處理序列中的步驟S101至
S102中的過程相類似的過程來選擇模型是足夠的。換言之，選擇最接近 于用戶再現(xiàn)歷史所對應(yīng)的特征量序列的概率模型(選擇具有最高似然性的 概率模型)。
在選棒了單個概率模型之后，在圖8所示的流程的步驟S401中，再
現(xiàn)內(nèi)容選擇部分102根據(jù)所選擇的概率模型中提供的參數(shù)來產(chǎn)生與所述 概率模型相匹配的特征量序列。例如，在所述概率模型是如同上文參照圖
4所述的隱式馬爾可夫模型(HMM)的情況下，HMM的狀態(tài)取決于變 換概率而變換，根據(jù)所述狀態(tài)的輸出概率來產(chǎn)生特征量向量，并產(chǎn)生與所 述概率模型相匹配的特征量序列。
隨后，在步驟S402中，再現(xiàn)內(nèi)容選擇部分102從內(nèi)容信息^部分 107中選擇具有與構(gòu)成步驟S401中創(chuàng)建的和所述概率模型相匹配的特征 量序列的每個特征量向量相似的內(nèi)容特征量的內(nèi)容信息，
例如，在構(gòu)成與所述概率模型相匹配的特征量序列的多個特征量向量 具有以下順序的情況下
向量p—向量q—向量r,貝'J，
從由與保存在內(nèi)容信息保存部分107中的每個內(nèi)斜目匹配的內(nèi)容特 征量所構(gòu)成的特征量向量中，選擇以下內(nèi)容
具有接近于向量p的內(nèi)容特征量的內(nèi)容，
具有接近于向量q的內(nèi)容特征量的內(nèi)容，以及
具有接近于向量r的內(nèi)容特征量的內(nèi)容。
此外，更具體地，向量p、 q和r是例如由諸如功率、音調(diào)、節(jié)奏、 情緒和聲部等特征量所構(gòu)成的向量。
最后，在步驟S403中，再現(xiàn)內(nèi)容選擇部分102根據(jù)與所述概率模型 相匹配的特征量序列來安排從內(nèi)容信息保存部分107中選擇的內(nèi)容信息 項，并將所述內(nèi)容信息項輸出至播放列表產(chǎn)生部分103。播放列表產(chǎn)生部 分103以指定的順序產(chǎn)生播放列表，并且內(nèi)容再現(xiàn)部分104根據(jù)所產(chǎn)生的 播放列表來再現(xiàn)內(nèi)容。
如上文所述，使用存儲在模型信息保存部分106中的概率模型來選擇 要再現(xiàn)的內(nèi)容，然后產(chǎn)生播放列表和再現(xiàn)內(nèi)容。
此外，在上述討論中，盡管未描述用于確定特征量向量之間的相似性 的特定尺度，但是可以使用通用標(biāo)準(zhǔn)，其中包括用于由實數(shù)值表示的比例尺的歐幾里德距離，以及用于諸如元數(shù)據(jù)等的額定尺度的、匹配名稱的數(shù) 目或通過向量空間方法的余弦距離。
最后，將參照圖9來描述用于實現(xiàn)上述過程的信息處理設(shè)備的示例性 硬件配置。CPU (中央處理單元)501用作實現(xiàn)與OS (操作系統(tǒng))和實 施例中描述的數(shù)據(jù)處理部分相對應(yīng)的過程的主要部分。更具體地，CPU 執(zhí)行在上述討論中包括的、諸如產(chǎn)生播放列表、內(nèi)容再現(xiàn)控制、內(nèi)容特征 量分析、以及內(nèi)容特征量序列的產(chǎn)生等過程。這些過程是根據(jù)存儲在各個 信息處理設(shè)備中的ROM以及諸如硬盤之類的數(shù)據(jù)存儲部分中的計算機 程序來執(zhí)行的。
ROM (只讀存儲器)502在其中存儲CPU 501所使用的程序和計算 參數(shù)。RAM (隨M取存儲器)503在其中存儲CPU 501所使用和執(zhí)行 的程序以及取決于所述執(zhí)行而改變的^L所述ROM和RAM通過由 CPU總線構(gòu)成的主機總線504而彼此連接。
主機總線504通過橋接器505連接到諸如PCI (外圍組件互連/接口 ) 總線之類的外部總線506。
輸入部分508是鍵盤和指示裝置，其是由用戶操縱的輸入裝置。輸出 部分510被配置成具有顯示器和揚聲器。
HDD (硬盤驅(qū)動器)511在其中具有石更盤，并且驅(qū)動該硬盤以記錄或 再現(xiàn)由CPU501執(zhí)行的程序和信息。硬盤用作內(nèi)容和元數(shù)據(jù)的存儲單元， 例如，在其中存儲諸如數(shù)據(jù)處理程序等的各種計算^^呈序。
驅(qū)動器512被裝配有諸如磁盤、光盤、磁光盤或半導(dǎo)體存儲器等的可 移除記錄介質(zhì)521,該驅(qū)動器512讀取在其上記錄的數(shù)據(jù)或程序，并將該 數(shù)據(jù)或程序經(jīng)由接口 507、外部總線506、橋接器505以及主機總線504 提供給所連接到的RAM 503。
連接端口 514是連接到外部連接裝置522的端口 ，其具有諸如USB 端口和IEEE 1394端口之類的連接部分。連接端口 514經(jīng)由接口 507、夕卜 部總線506、橋接器505以及主機總線504而連接到CPU 501。通信部分 515連接到網(wǎng)絡(luò)以在該網(wǎng)絡(luò)上執(zhí)行通信。
此外，圖9所示的信息處理設(shè)備的示例性硬件配置是通過被適配于 PC而配置的設(shè)備示例，并且該信息處理設(shè)備可以適用于可執(zhí)行實施例中 所述的過程的各種設(shè)備，而不限于圖9所示的配置。
如上文所述，上文參照特定實施例而詳細(xì)描述了本發(fā)明的實施例。然
而，在不背離本發(fā)明的實施例的教導(dǎo)的情況下，本領(lǐng)域的技術(shù)人員顯然可 以進(jìn)行修改和替換。換言之，上文以示例性形式公開了本發(fā)明的實施例， 其不應(yīng)被解釋為限定性的。為了理解本發(fā)明的實施例的教導(dǎo)，應(yīng)當(dāng)考慮所 附的權(quán)利要求。
此外，本說明書中描述的 一 系列處理步驟可通過硬件或軟件或二者的 組合配置來執(zhí)行。在通過軟件來執(zhí)行所述處理步驟的情況下，記錄有所述 處理序列的程序可被安裝在包括在用于執(zhí)行的專用硬件中的計算機內(nèi)的 存儲器中，或者所述程序可被安裝在可執(zhí)行各種用于執(zhí)行的處理過程的多 用途計算機中。例如，所述程序可被預(yù)先記錄在記錄介質(zhì)上。除了在計算
機中從記錄介質(zhì)安裝所述程序之外，還可通過諸如LAN (局域網(wǎng))和互 聯(lián)網(wǎng)之類的網(wǎng)絡(luò)來接收所述程序并將其安裝在諸如硬盤之類的內(nèi)置記錄 介質(zhì)中。
此夕卜，本說明書中描述的各種處理步驟是按照時間序列來執(zhí)行的，并 且取決于用于執(zhí)行這些處理步驟的設(shè)備的處理性能或者根據(jù)需要，可以并 行地或單獨地執(zhí)行這些處理步驟。此外，本說明書中的系統(tǒng)是多個裝置的 邏輯集合的配置，其不限于將具有各種配置的裝置設(shè)于同一殼體內(nèi)的配置。
如上文所述，才艮據(jù)本發(fā)明的實施例，在執(zhí)行用于產(chǎn)生定義內(nèi)容再現(xiàn)順 序的播放列表的處理過程的信息處理設(shè)備中，所述信息處理設(shè)備凈皮配置 成其中與內(nèi)容特征量的時間序列模式相對應(yīng)的概率模型被存儲在模型信 息M部分中，其中特征量是與內(nèi)斜目關(guān)的特征信息，將與要再現(xiàn)的內(nèi)容 的再現(xiàn)順序的多個排列模式中的每個排列模式相對應(yīng)的、內(nèi)容特征量的時 間序列模式與存儲在模型信息保存部分中的概率模型進(jìn)行比較(計算似然 性)，產(chǎn)生播放列表，在該播放列表中根據(jù)最相似于所述概率模型的、內(nèi) 容特征量的時間序列模式來設(shè)置內(nèi)容再現(xiàn)順序，并且根據(jù)所產(chǎn)生的播放列 表來再現(xiàn)內(nèi)容。因此，可以根據(jù)用戶的喜好來再現(xiàn)內(nèi)容。
本領(lǐng)域的技術(shù)人員應(yīng)當(dāng)理解，在所附的權(quán)利要求或其等效內(nèi)容的范圍 之內(nèi)，可以取決于設(shè)計需求和其它因素來進(jìn)行各種修改、組合、子組合和 改變。
權(quán)利要求
1.一種信息處理設(shè)備，其執(zhí)行用于產(chǎn)生定義內(nèi)容再現(xiàn)順序的播放列表的處理，所述信息處理設(shè)備包括模型信息保存部分，其被配置成在其中存儲多個概率模型，每個概率模型與內(nèi)容特征量的時間序列模式相對應(yīng)，所述內(nèi)容特征量是與內(nèi)容相關(guān)的特征信息；內(nèi)容特征提取部分，其被配置成獲得與要再現(xiàn)的多個內(nèi)容中的每個內(nèi)容相對應(yīng)的內(nèi)容特征量；播放列表產(chǎn)生部分，其被配置成將內(nèi)容特征提取部分中提取的、與要再現(xiàn)的內(nèi)容的再現(xiàn)順序的多個排列模式中的每個排列模式相對應(yīng)的、內(nèi)容特征量的時間序列模式與保存在模型信息保存部分中的概率模型進(jìn)行比較，并產(chǎn)生播放列表，在所述播放列表中根據(jù)與所述概率模型最相似的內(nèi)容特征量的時間序列模式來設(shè)置內(nèi)容再現(xiàn)順序；以及內(nèi)容再現(xiàn)部分，其被配置成根據(jù)播放列表產(chǎn)生部分中產(chǎn)生的播放列表來再現(xiàn)內(nèi)容。
2. 根據(jù)權(quán)利要求1所述的信息處理設(shè)備，其中所述內(nèi)容再現(xiàn)部分被配置成執(zhí)行以下處理內(nèi)容再現(xiàn)部分產(chǎn)生內(nèi) 容再現(xiàn)歷史信息，并將所述內(nèi)容再現(xiàn)歷史信息存儲在內(nèi)容再現(xiàn)歷史信息保 存部分中，所述信息處理設(shè)備還包括最優(yōu)模型選#^分，其被配置成將與存儲在內(nèi)容再現(xiàn)歷史信息保 存部分中的內(nèi)容再現(xiàn)歷史信息相匹配的再現(xiàn)歷史所對應(yīng)的、內(nèi)容特征量的 時間序列模式與保存在模型信息保存部分中的多個概率模型進(jìn)行比較，并 選擇與所述再現(xiàn)歷史所對應(yīng)的內(nèi)容特征量的時間序列模式最相似的概率 才莫型作為最優(yōu)模型，其中，所述播放列表產(chǎn)生部分將內(nèi)容特征提取部分中提取的、與絲 現(xiàn)的內(nèi)容的再現(xiàn)順序的多個排列模式中的每個排列模式相對應(yīng)的、內(nèi)容特 征量的時間序列模式與所述最優(yōu)模型進(jìn)行比較，并產(chǎn)生內(nèi)容再現(xiàn)順序與最 相似于所述最優(yōu)模型的、內(nèi)容特征量的時間序列模式相對應(yīng)的播放列表。
3. 根據(jù)權(quán)利要求1所述的信息處理設(shè)備， 其中所述內(nèi)容再現(xiàn)部分被配置成執(zhí)行以下處理內(nèi)容再現(xiàn)部分產(chǎn)生內(nèi) 容再現(xiàn)歷史信息，并將所述內(nèi)容再現(xiàn)歷史信息存儲在內(nèi)容再現(xiàn)歷史信息保 存部分中，以及所述信息處理i殳"^還包括模型適應(yīng)部分，其被配置成執(zhí)行概率模型更新處理，在所述概率 模型更新處理中，模型適應(yīng)部分產(chǎn)生與存儲在內(nèi)容再現(xiàn)歷史信息保存部分 中的內(nèi)容再現(xiàn)歷史信息相匹配的再現(xiàn)歷史所對應(yīng)的、內(nèi)容特征量的時間序 列，并使得所產(chǎn)生的與所述再現(xiàn)歷史相對應(yīng)的內(nèi)容特征量的時間序列中包 括的參數(shù)與保存在模型信息保存部分中的概率模型相適應(yīng)，由此模型適應(yīng) 部分使得所述概率模型近似于與所述再現(xiàn)歷史相對應(yīng)的內(nèi)容特征量的時 間序列。
4. 根據(jù)權(quán)利要求1所述的信息處理設(shè)備，還包括模型創(chuàng)建部分，其被配置成產(chǎn)生與包含內(nèi)容再現(xiàn)順序的采樣數(shù)據(jù)相適 應(yīng)的概率模型，執(zhí)行用于所創(chuàng)建的概率模型的學(xué)習(xí)處理以創(chuàng)建多個不同的 概率模型，以及將所創(chuàng)建的概率模型存儲在模型信息保存部分中。
5. 根據(jù)權(quán)利要求1所述的信息處理設(shè)備，還包括再現(xiàn)內(nèi)容選#^分，其被配置成選擇多個內(nèi)容作為要再現(xiàn)的內(nèi)容，其 中所述多個內(nèi)容被配置成具有與保存在模型信息保存部分中的概率模型 相似的序列。
6. 根據(jù)權(quán)利要求1所述的信息處理設(shè)備，其中所述模型信息保存部分被配置成在其中存儲有依照隱式馬爾可 夫模型HMM的概率模型，作為與內(nèi)容特征量的時間序列模式相對應(yīng)的 概率模型，所述內(nèi)容特征量是與內(nèi)斜目關(guān)的特征信息。
7. 根據(jù)權(quán)利要求1所述的信息處理設(shè)備，其中所述內(nèi)容特征量包括與構(gòu)成內(nèi)容的數(shù)據(jù)信號相關(guān)的特征信息及 與內(nèi)容所對應(yīng)的元信息相關(guān)的特征信息中的至少任何一個特征信息。
8. —種在信息處理設(shè)備中執(zhí)行用于產(chǎn)生定義內(nèi)容再現(xiàn)順序的播放列 表的處理的信息處理方法，所述信息處理方法包括以下步驟提取內(nèi)容特征，其中內(nèi)容特征提取部分獲得多個M現(xiàn)的內(nèi)容中的每 個內(nèi)容所對應(yīng)的內(nèi)容特征量； 產(chǎn)生播放列表，其中播放列表產(chǎn)生部分將在提取內(nèi)容特征的步驟中所 提取的、JW現(xiàn)的內(nèi)容的再現(xiàn)順序的多個排列模式中的每個排列模式所對 應(yīng)的、內(nèi)容特征量的時間序列模式與預(yù)先保存在模型信息保存部分中的概 率模型進(jìn)行比較，并產(chǎn)生播放列表，在所述播放列表中根據(jù)與所述概率模型最相似的內(nèi)容特征量的時間序列模式來設(shè)置內(nèi)容再現(xiàn)順序；以及再現(xiàn)內(nèi)容，其中內(nèi)容再現(xiàn)部分根據(jù)在產(chǎn)生播放列表的步驟中所產(chǎn)生的 播放列表來再現(xiàn)內(nèi)容。
9. 根據(jù)權(quán)利要求8所述的信息處理方法，還包括以下步驟產(chǎn)生內(nèi)容再現(xiàn)歷史，其中內(nèi)容再現(xiàn)部分產(chǎn)生內(nèi)容再現(xiàn)歷史信息，并將 所述內(nèi)容再現(xiàn)歷史信息存儲在內(nèi)容再現(xiàn)歷史信息*部分中；以及選擇最優(yōu)模型，其中最優(yōu)模型選擇部分將與存儲在內(nèi)容再現(xiàn)歷史信息 保存部分中的內(nèi)容再現(xiàn)歷史信息相匹配的再現(xiàn)歷史所對應(yīng)的、內(nèi)容特征量 的時間序列模式與保存在模型信息保存部分中的多個概率模型進(jìn)行比較， 并選擇與所述再現(xiàn)歷史所對應(yīng)的內(nèi)容特征量的時間序列模式最相似的概 率才莫型，作為最優(yōu)模型，其中，產(chǎn)生播放列表的步驟是以下步驟將在提取內(nèi)容特征的步驟中 所提取的、要再現(xiàn)的內(nèi)容的再現(xiàn)順序的多個排列模式中的每個排列模式所 對應(yīng)的、內(nèi)容特征量的時間序列模式與所述最優(yōu)模型進(jìn)行比較，并產(chǎn)生內(nèi) 容再現(xiàn)順序與最相似于最優(yōu)模型的、內(nèi)容特征量的時間序列模式相對應(yīng)的 播放列表。
10. 根據(jù)權(quán)利要求8所述的信息處理方法，還包括以下步驟產(chǎn)生內(nèi)容再現(xiàn)歷史，其中內(nèi)容再現(xiàn)部分產(chǎn)生內(nèi)容再現(xiàn)歷史信息，并將 所述內(nèi)容再現(xiàn)歷史信息存儲在內(nèi)容再現(xiàn)歷史信息*部分中；以及使模型相適應(yīng)，其中模型適應(yīng)部分執(zhí)行以下處理才莫型適應(yīng)部分使得 與存儲在內(nèi)容再現(xiàn)歷史信息保存部分中的內(nèi)容再現(xiàn)歷史信息相匹配的再 現(xiàn)歷史所對應(yīng)的、內(nèi)容特征量的時間序列中包括的參數(shù)與保存在模型信息 保存部分中的概率模型相適應(yīng)，由此模型適應(yīng)部分使得所述概率模型近似 于所述再現(xiàn)歷史所對應(yīng)的內(nèi)容特征量的時間序列。
11. 根據(jù)權(quán)利要求8所述的信息處理方法，還包括以下步驟產(chǎn)生模型，其中模型創(chuàng)建部分產(chǎn)生與包含內(nèi)容再現(xiàn)順序的采樣數(shù)據(jù)相 適應(yīng)的概率模型，執(zhí)行用于所創(chuàng)建的概率模型的學(xué)習(xí)處理以創(chuàng)建多個不同 的概率模型，以及將所創(chuàng)建的概率模型存儲在模型信息保存部分中。
12. 根據(jù)權(quán)利要求8所述的信息處理方法，還包括以下步驟選擇要再現(xiàn)的內(nèi)容，其中再現(xiàn)內(nèi)容選擇部分選擇多個內(nèi)容作為M現(xiàn) 的內(nèi)容，其中所述多個內(nèi)M配置成具有與M在模型信息保存部分中的 概率模型相似的序列。
13. 根據(jù)權(quán)利要求8所述的信息處理方法，其中所述模型信息保存部分被配置成在其中存儲依照隱式馬爾可夫 模型HMM的概率模型，作為與內(nèi)容特征量的時間序列模式相對應(yīng)的概 率模型，所述內(nèi)容特征量是與內(nèi)斜目關(guān)的特征信息。
14. 根據(jù)權(quán)利要求8所述的信息處理方法，其中所述內(nèi)容特征量包括與構(gòu)成內(nèi)容的數(shù)據(jù)信號相關(guān)的特征信息及 與內(nèi)容所對應(yīng)的元信息相關(guān)的特征信息中的至少任何一個特征信息。
15. —種計算機程序，其允許信息處理設(shè)備執(zhí)行用于產(chǎn)生定義內(nèi)容再 現(xiàn)順序的播放列表的處理，所述處理包括以下步驟提取內(nèi)容特征，其中內(nèi)容特征提取部分被允許獲得要再現(xiàn)的多個內(nèi)容 的每個內(nèi)容所對應(yīng)的內(nèi)容特征量；產(chǎn)生播放列表，其中播放列表產(chǎn)生部分被允許將在提取內(nèi)容特征量的 步驟中所提取的、要再現(xiàn)的內(nèi)容的再現(xiàn)順序的多個排列模式中的每個排列 模式所對應(yīng)的、內(nèi)容特征量的時間序列模式與預(yù)先保存在模型信息保存部 分中的概率模型進(jìn)行比較，并產(chǎn)生播放列表，在所述播放列表中根據(jù)最相 似于所述概率模型的、內(nèi)容特征量的時間序列模式來設(shè)置內(nèi)容再現(xiàn)順序； 以及再現(xiàn)內(nèi)容，其中內(nèi)容再現(xiàn)部分被允許根據(jù)在產(chǎn)生播放列表的步驟中所 產(chǎn)生的播放列表來再現(xiàn)內(nèi)容。
全文摘要
公開了一種信息處理設(shè)備和方法及計算機程序，其執(zhí)行用于產(chǎn)生定義內(nèi)容再現(xiàn)順序的播放列表的處理。該信息處理設(shè)備包括模型信息保存部分，其中存儲與作為與內(nèi)容相關(guān)的特征信息的內(nèi)容特征量的時間序列模式相對應(yīng)的多個概率模型；內(nèi)容特征提取部分，其獲得與要再現(xiàn)的多個內(nèi)容中的每個內(nèi)容相對應(yīng)的內(nèi)容特征量；播放列表產(chǎn)生部分，其將內(nèi)容特征提取部分中提取的、與要再現(xiàn)的內(nèi)容的再現(xiàn)順序的多個排列模式中的每個排列模式相對應(yīng)的、內(nèi)容特征量的時間序列模式與保存在模型信息保存部分中的概率模型進(jìn)行比較，并產(chǎn)生根據(jù)與概率模型最相似的內(nèi)容特征量的時間序列模式來設(shè)置內(nèi)容再現(xiàn)順序的播放列表；及內(nèi)容再現(xiàn)部分，其根據(jù)所產(chǎn)生的播放列表來再現(xiàn)內(nèi)容。
文檔編號G06F17/30GK101373476SQ20081013551
公開日2009年2月25日 申請日期2008年8月19日 優(yōu)先權(quán)日2007年8月21日
發(fā)明者淺野康治 申請人:索尼株式會社