CN101069179A - 相关内容检索中的位置相似度阈值的调整 - Google Patents

Abstract

相似内容的项目或文档的检索在它们位置或地点的相似度基础上被提供。例如使用GPS设备来确定基准位置。以数据库为例，通过提取位置数据来确定一个或多个被识别的锚点文档的位置。然后，根据标准距离来确定第一阈值，该标准距离由基准位置和锚点项目位置之间的距离确定。一个候选文档项目的距离被识别，且候选内容项目的位置数据也可以被提取。基准位置与候选位置之间间的距离可以被确定为候选距离。候选内容项目可以根据第一个候选距离和第一阈值而被选择为是相似的以供检索。提供用于设定阈值的标准距离确定的粒度的思想。

Description

相关内容检索中的位置相似度阈值的调整

本发明涉及到内容检索、管理和呈示领域以及内容项目的相似度阈值的确定。

近年来，存储设备和数据库的存储能力，包括个人计算机的硬盘及其它类型的存储设备的存储能力，一直在迅速增长。根据某些估计，存储能力大约以每年翻一倍的速度增长，与此同时，网络带宽的增长也非常迅速。结果，存储设备存储了大量的内容，需要向用户提供方便以便对存储设备进行存取。用户会被存储设备、数据库甚至用户自己的硬件设备里的内容淹没，除非这些内容以某种方式被管理和组织来为用户的存取提供方便，否则用户可能没有能力去检索诸如互联网之类的网络上的可以获得的内容。没有采用对用户透明的方式索引或组织的内容，至少在用户的需求来考虑可能会是“丢失”的，而且不太可能被检索到。

目前有很多大家都知道的检索方案。Farnham等人的美国专利申请公开说明书NO.2003/0158855公开了自动内容的关联，其中，相关性在目标或元数据之间动态产生，以便决定计算机文件之间以数值表示的相似度。Stubler等人的美国专利申请公开说明书NO.2003/022541公开了通过提取获得图像的元数据而基于获得的图像与存储图像之间的相似度来产生已获得图像的标题或语义标记。Platt的美国专利申请公开说明书NO.2003/022541公开了一种自动播放列表生成器，其中几首种子歌曲，包括不想要的种子歌曲，被用于生成播放列表中的歌曲。Cluts的美国专利申请公开说明书NO.5616876公开了通过编者预先为每首歌曲编写的“类型标记”来选择与第一组歌曲另外的类似歌曲。但是，这些参考文献中没有一个公开以选择或拒绝目标项目的方式对用于位置相似度的阈值的设定。Prince的美国专利申请公开说明书NO.2002/0099696公开了模糊数据库检索，其中给相似度打分，并用阈值选择被检索的项目。但是，无论是Prince还是其它申请人都没有公开或建议基于一个基准位置来设定阈值或根据基准位置与被识别项目位置之间的距离来设定阈值。

用户当然也可以检索内容项，但是试图找到类似的项目是非常费时费力的事情，特别是在不知道所期望项目的内容类型时或用户没有指定所期望项目的内容类型时。另外，随着内容项目在存储设备或用户控制的数据库中不断积累，检索内容项的工作也会越来越困难。

提供了一种体现或完成检索系统功能的方法、系统、设备、引擎、装置以及计算机可读的介质。被选的候选内容项目或多个项目被提供给用户或数据库。确定一个基准位置。通过为第一个识别的内容项目提取位置数据来识别第一个位置。然后，第一个阈值可以基于由基准位置和第一个位置之间所确定的标准距离来设定。一个候选位置可以被识别，用于候选内容项的位置数据也可以被提取。基准位置和第一个候选位置之间的距离可以被确定为候选距离。候选内容项目可以基于第一个候选距离和第一个阈值而被选择为相似的或用于检索，并相应地输出用于被选中的候选内容的选择信号。

另外，基于标准距离的第二阈值可以被设定，该第二阈值与第一阈值组成了一个范围，如果第一个候选距离在此范围之内，那么候选内容项目就被选择。

第一个位置可能包括内容项目获得的位置、内容项目最后使用的位置或者内容项目最常用的位置。这个位置可能是内容项目的当前位置、内容项目的最新修正的位置或者内容项目的创建位置。

基准位置可能是第一被识别的内容项目的当前位置、用户的住宅、用户的办公室、用户的车辆和一个用户当前的位置。

基准位置和位置数据可基于GPS信息或基于用户输入而确定。

更多其它的识别的内容项目可以被识别，位置和距离可被确定，以使第一个阈值也可能基于这些所确定的标准距离来设定。

图1是根据本发明的一个实施方案的检索系统示意图。

图2是根据本发明的一个实施方案的系统操作流程图。

下述讨论以及上述图片描述了专利申请人的发明的实施方案，该实施方案是发明人目前最好的理解，但是应该理解，本发明还可能进行很多修改、以其它形式表达或者以其它形式实现而不脱离本发明的精神。另外，所描述实施方案中的某些特征可能被省略、有选择地组合或以整体的形式与其它实施方案结合，或者代替其它实施方案的特征或其中的一部分。因此，附图和详尽的说明书应理解为举例说明本发明的某些部分，而不是限制本发明的范围。

如图1所示，检索系统1-1包括几个模块，下文将做详细叙述。检索系统1-1的模块或其中的一部分、及/或检索系统的整体，可以包括硬件、软件固件或前述的组合，但是某些模块可能例如由硬件组成，而其它模块可能由软件、固件或其组合实现。

检索系统的模块应该理解为并非需要全部放在一起或集成于同一设备。也可设想把分布式结构用于检索系统，该检索系统可能在已有设备提供的合适的模块上实现。

下述描述将涉及到一个在物理上通过有线或无线链接与数据库1-2集成或相连的检索系统1-1。检索系统1-1也可以与一个GPS设备(未示出)连接或结合。数据库1-2可能在一个存储设备中实现，例如个人计算机的硬盘、个人录像机、娱乐系统、电子手账、个人手持设备、Jaz设备或者诸如磁盘驱动器等商业存储设备。数据库1-2应理解为可以包括连接的几个存储设备，以使两个或两个以上这样设备的内容项目的管理或分类成为可能。进一步要理解的是，数据库可理解为包括一个或多个存储媒体，例如各种盘，包括CD、DVD、Zip软盘、软盘以及数据磁带等，它们能被装入数据库1-2和被它检索。但是，检索系统1-1应该理解为也可以通过诸如局域网、广域网以及互联网之类的网络1-9来检索内容。

如图1所示，检索系统1-1包括位置数据提取器1-11，它是一个从内容项中收集特定类型数据的模块。内容项目可能是视频、视频剪辑、影片、照片、文本文件、音乐数据、音频文件、或其它类型的多媒体数据，如JPEG文件或XML数据。例如，视频可能是数字录像机上的一段家庭视频摄像，影片可能是商业发布的电影数据，这样的电影是MPEG编码的(包括MPEG-2、MPEG-3等)、照片可能是数字照片数据、一组照片或影集，文本文件可能是字处理器生成的文件、电子表格或计算机编码文件，音乐数据可能是MP3之类的文件，如此等等。

由位置数据提取器1-11提取的描述数据包括下列信息：如元数据、有关内容项目的使用数据等。这些信息还包括用于内容项目的位置数据，例如该项的创建的位置、获得该项目的地点；重放和/或编辑内容项目的最后/第一/倒数第二次等的位置，以及使用最常的地点，例如，该项目最常在阿姆斯特丹或一个给定街道地址被使用，项目最常在诸如起居室、用户的住宅之类的位置被使用。这里使用的“最常”可能是基于平均使用位置、中值使用位置、众数使用位置等。这些使用历史数据有时称为元数据，相反地，元数据的类型有时指的是使用历史数据。

这里讨论的位置信息可能是一个或多个这种相似度范围的位置信息，或者它可能是唯一的或是权值最大的那个范围的位置信息。衡量这种因素所达到的权重程度取决于应用和用户的需要。

应该理解的是，这种关于项目的描述数据可能以不同的方式查找和提取，包括从项目中、从索引或数据库管理的文件中以及从外部信息来源中，例如，通过有线或无线链接到因特网1-9，使得检索系统1-11与万维网相连，从链接的万维网中获取描述数据。

被识别的内容项目可以通过一种或多种方式识别。用户可以指定一个项目，其它项目(有时称为“候选内容项目”)将基于该项目而被检索。可选地，新加入或产生的内容项目可以被自动地指定为一个被识别内容项目，其它项目可以基于该项目而被检索。

基准位置通过基准位置确定器1-13来确定。这样的基准位置可以是，例如，第一已识别内容项目的当前位置，用户的住宅、办公室、车辆的位置、或用户当前的位置、用户经常访问的位置或用户最近访问的位置。基准位置还可能是检测到的用户最常出现或经常出现的地点(或基于检测到地点的平均值、中间值和众数)，或在某段相对较近的时间内用户在那里花时间最多的地方。如果用户使用手持设备或笔记本计算机，基准位置可以是手持设备或笔记本计算机经常出现或最近被访问的位置。这种手持设备或笔记本计算机的出现也可能基于某段相对较近的时间而确定的基准位置。基准位置也可能是检索系统1-1的位置。这样的基准位置可能由用户输入或设定、预先编程设定、根据第一个识别的内容项目或其它由系统存取过的文件确定、根据GPS设备收到的GPS数据确定、从互联网或其它网络确定或以上述方式的组合形式确定。

位置数据提取器1-11还确定识别的一个或多个内容项目的位置，确定识别内容项目(群)的位置与基准位置之间的距离。这个距离有时称为第一标准距离。该位置可能参照与内容项目、GPS数据、数据库索引相关的元数据确定、参照包括诸如万维网之类的网络1-9确定、通过请求用户输入确定或以上述方式的组合来确定。该距离可能通过查表、基于GPS信息的计算、请求用户输入以及上述方式的组合来确定。

阈值设定器1-14设定一个阈值或一个范围，候选内容项目的选择必须满足这个阈值或者范围。这个阈值或范围由阈值设定器1-14根据第一个标准距离来设定。例如，如果第一个距离标准是相邻城市之间的距离，那么阈值可以是与此距离近似的距离。

候选内容项目识别器1-12通过网络连接、或从对于它们的元数据或其它信息是类似的其它信息源中、和/或基于从基准位置到第一个被识别的内容项目的距离到基准位置的它们的距离，从而在数据库中识别候选内容项目。

控制器1-15协调检索系统1-1的全部功能，与用户接口1-1、数据库1-2、服务器1-9以及一般而言的外界进行交互，并处理系统设定。

选择器1-16选择合格的候选内容项目，结果输出器1-17提供用于被选择的和/或被拒绝的候选内容项的结果信号。结果输出器1-17与其它设备接口，与外界进行通信，包括与用户(未显示)进行接口。特别地，检索结果输出器1-17向用户接口通知由检索系统1-1检索到的内容项目。用户接口1-3可能是一种独立的设备或与其它设备或系统相结合，例如，个人计算机、个人摄像机、一个或多个存储器以及上述列举的设备。

这里可能有其它可得到的已识别的内容项目。因此，对于可得到的已识别的内容项目1-N中的任何数字，N为大于1的正整数，位置数据的提取和距离的确定可能被重复。然后，候选内容项目会基于所有标准距离的平均值来选择。

下面结合图1-2来描述本发明的一个实施方案的操作。如上所述，第一个内容项目由图1所示的用户通过用户接口1-3识别或诸如通过检测数据库1-2中新加入的或独立的内容项目等由系统自动识别。

在S1中，基准位置确定器1-13按如上所述方式来确定基准位置。如图2中的S2所述，检索系统1-1的位置数据提取器1-11为第一已识别内容项目提取第一位置数据。在S2中，其它识别的内容项目可能进行类似的处理，例如，如果用户或系统指定几个“锚点”文档基于它们而去检索目标文档。

在S3中，通过决定基准位置与被识别的内容项目位置之间的距离为每个识别的内容项目确定一个标准距离。在S4中，可能对这些标准距离取平均来获得平均标准距离。这里所用的平均数可能基于计算一个数学平均数、众数或中值而确定。另外，可以使用数值的简单求和以及其它类似的适当选择的统计函数来提供所选数据的综合概念。

在S5中，基于一个或多个标准距离或标准距离的平均值来设定一个阈值或一个范围。例如，给一个阈值赋值以使得数值1或0可能代表基准位置与第一个识别的内容项目之间的非常小的距离，而数值9或10可能代表较大的距离。可选择地，除了使用1到10之间的标度外，阈值可能表示诸如“相同位置”、“非常接近的位置”、“接近的位置”、“远”、“非常远”等名称。应该理解的是，许多其他用于这些数值的方案都可以在不脱离本发明精神的情况下被使用。

进一步地，第二阈值也可能以同样的方式来选择。因此，第一阈值可能表示最大距离，而第二阈值可能表示最小距离，从而这两个阈值一起构成了一个范围。只有候选项目的距离(基准位置与候选内容项目位置之间的距离)在此范围之内时，候选项目才被选择。

在S6中，图1中候选项目内容识别器通过网络或其它任何地方来识别数据库1-2中的候选内容项目，而位置数据提取器1-11(图2)为每个候选内容项目提取位置数据。然后，候选内容项目距离的确定在S7中完成。也可得到另外的识别的内容项目，对于候选内容项目1-M，将继续执行提取位置数据和确定距离数值的步骤。

在S8中，选择器1-16将候选内容项目距离与阈值或范围进行对比。如果这个距离比阈值小或者在此范围之内，则选择该候选内容项目。

举例而言，如果基准位置确定为纽约的一个街道地址，第一识别的内容项目确定为纽约长岛的花园城，那么X英里的距离，即表示两座城市之间的距离，是第一标准距离。基于这X英里的距或者基于由识别的1-N个内容项确定的标准距离的平均值，设定一个距离的阈值，例如，“30英里”、“相同州”、“近”或“4”(4是一个0到9之间的整数，其中0表示基本相同的位置，9表示距离很远)。然后，候选内容项目的距离与阈值进行比较，在S8中，如果候选项目与基准位置的距离在30英里以内、在“相同州”内、在“近”之内或在等级“4”阈值的距离之内，则该候选项目被选择。

根据本发明的一个方面，阈值是这样设定的，使得地理上距基准位置较近的位置的距离粒度比距基准位置较远的位置的距离粒度要高。因此，举例而言，如果距基准位置的距离按标度1到10排列，那么随着距基准位置的距离的增加，较长的距离将被包含在较少的几个标度中。因此，如果标准距离(基准位置与识别的文档或内容项目的距离)是1英里，那么如果距基准的候选距离是30英里，第一个候选内容项目可能判定为不相似。但是，如果距离标准是100英里，那么第二个候选文档的判定可能是相似的，即使第二个距离基准的候选距离是600英里。这样确定阈值是基于以下思想：即人们通常在直觉上认为，较远位置间的距离差异比起较近位置间的相同距离的差异没有那么重要：我们离相应的当前基准位置越远，则在确定相似度方面，在不同项目的位置间的距离就越不重要。这样的取阈值方式有时在这里称为标准距离确定的粒度取阈值方式。

如上所述，在S5中，根据被识别的确定内容项目距离数值集合的分散性，阈值设定器1-14也可以利用最大阈值和最小阈值产生一个范围。因此，采用如上所述的具有一个识别的内容项目的例子，最大阈值与上述讨论相同，而最小阈值可能是，例如，“不同城市”、“至少5英里”、“非常接近”或距离评级为2。然后，被选择的内容项目的范围是：“不同城市、相同州距离”、“5至30英里”、“极其近的一近的距离”或标度“2-4”，其具体范围取决于定阈值的系统/使用的范围。

根据本发明的一个方面，可以使用多个基准位置，例如工作基准位置、休假基准位置、住宅基准位置等，标准距离确定的粒度将分别应用于各个基准位置。因此，粒度级别将随距基准位置1的距离而减少(候选文档位置越远，被认为与其相似的距离就越大)，类似地，粒度级别将随距基准位置2的距离而减少。这里的概念如下，比如对于一个花大量假期时间或工作时间在第二位置的人，距第二个基准位置越近的距离差别就越重要，因此它需要使用更高的粒度。

这样的第二、第三、第L(L是大于3的整数)等基准位置将由用户设定或由系统根据诸如上述确定基准位置的方式来确定。因此，举例而言，如果系统确定用户经常出现(基于GPS数据、手持设备等的出现)，或在一个与第一位置不同的特定位置中可以确定大量或非常大百分比的与用户相关的文档(例如，文档驻留在用户的计算机、数据库、掌上计算机之中)具有一个内容项目位置(例如，创建或最后使用的日期/时间等)，那么系统可以设定这个位置为第二基准位置。然后，标准距离可以被确定，在这个另外的基准位置基础上，可根据标准距离确定的粒度来设定阈值。

根据本发明的一个方面，检索到的内容项目的内容类型可能与用户选择的内容项目的内容类型不同。例如，如果用户选择的内容项目是音乐类型的文件或MP3，则检索到的内容项目可能是内容类型照片数据。以这种方式，例如，基于位置相似度，与用户选择的音乐相匹配的特定类型的照片可能被检索到。

在S9中，这个(这些)被选的候选内容项目被提供给用户或用户接口1-3。可选地(额外地)，如果候选内容项目被拒绝，则可提供一个信号。一个信号可能被直接提供给数据库1-2，以引起被选的候选项目在数据库或用户接口1-3中被检索。可能向用户接口1-3提供一个通知来通知用户(未显示)检索到的内容项目。该通知可能包括待检索内容项目的标识、内容项目的描述、指向内容项目的一个统一资源定位符(URL)或链接、内容项目的整体或其部分的检索以及前述的组合。这个系统也可能用来将锚点项目和被选的检索的项目组合在一起以便组织一个数据库。在S10中，操作结束。

上述提供的本发明的实施方案仅仅是用作为说明性例子。但是，应该理解的是，本发明的范围在权利要求中被提供。

Claims (18)

1.一种内容项目检索的方法包括：

确定(S1)一个基准位置；

提取(S2)第一个识别的内容项目的位置数据以作为第一个位置；

基于在基准位置和第一个位置之间确定(S3)的标准距离来设定

(S5)第一阈值；

提取(S6)第一个候选内容项目的位置数据以作为第一候选位置，并确定(S7)基准位置与第一候选位置之间的距离以作为第一候选距离；

基于第一候选距离和第一阈值来选择(S8)第一候选内容项目；以及

当第一个候选位置被选择时，为第一个候选内容项目输出(S9)一个选择信号。

2.权利要求1中的方法进一步包括基于标准距离设定第二阈值，该第二阈值和第一阈值组成一个范围，并且当第一候选距离在此范围之内，则选择该第一候选内容项目。

3.权利要求1中的方法，其中第一个阈值基于标准距离确定的粒度而设定。

4.权利要求1中的方法，其中，第一个位置和第一个候选位置中的至少一个包括内容项目获得的位置、内容项目最后使用的位置和内容项目最常用的位置中的至少一个位置。

5.权利要求1中的方法，其中，第一个位置和第一个候选位置中的至少一个包括内容项目的当前位置、内容项目最新修正的位置或内容项目的创建位置中的至少一个位置。

6.权利要求1中的方法，其中基准位置是第一个识别内容项目的当前位置、经常访问的位置、用户最近访问的位置或用户经常出现的位置中的一个。

7.权利要求1中的方法，其中基准位置是用户的住宅、用户的办公室、用户的车辆或用户本人当前的位置中的一个。

8.权利要求1中的方法，其中基准位置和位置数据中的至少一个是基于GPS信息确定的。

9.权利要求1中的方法进一步包括：

提取(S2)第二个识别的内容项目的位置数据以作为第二个位置；

也基于第二标准距离来设定(S5)第一个阈值，该第二标准距离作为基准位置和第二个位置之间的距离而被确定。

10.一个内容项目的检索系统包括：

被配置来确定基准位置的基准位置提取器(1-13)；

位置数据提取器(1-11)，被配置成提取第一识别的内容项目的位置数据以作为第一个位置，并确定一个在基准位置与第一个位置之间被确定的距离以作为标准距离；

阈值设定器(1-14)，被配置成基于作为基准位置与第一个位置之间的一个距离而被确定的标准距离来设定第一个阈值；

所述位置数据提取器(1-11)被配置成提取第一个候选内容项目的位置数据以作为第一个候选位置，并确定基准位置与第一个候选位置之间的距离以作为第一个候选距离；

选择器(1-16)，被配置成基于第一个候选距离和第一个阈值来选择第一候选内容项目；

结果输出器(1-17)，被配置成当第一个候选位置被选择时为第一候选内容项目输出一个选择信号。

11.权利要求10中的系统进一步包括上述阈值设定器(1-14)基于标准距离设定第二个阈值，该第二个阈值和第一个阈值一起组成一个范围，当第一个候选距离在此范围之内，则上述选择器选择第一候选内容项目。

12.权利要求10中的系统，其中第一阈值是基于由标准距离确定的粒度而设定的。

13.权利要求10中的系统，其中，第一位置和第一候选位置中的至少一个包括内容项目获得的位置、内容项目最后使用的位置和内容项目最常用的位置中的至少一个位置。

14.权利要求10中的系统，其中，第一位置和第一候选位置的至少一个包括内容项目的当前位置、内容项目的最新修改位置和内容项目的创建位置中的至少一个位置。

15.权利要求10中的系统，其中基准位置是第一识别内容项目的当前位置、经常访问的位置、用户最近访问的位置或用户经常出现的位置中的一个位置。

16.权利要求10中的系统，其中基准位置是用户的住宅、用户的办公室、用户的车辆或用户本人当前的位置中的一个位置。

17.权利要求10中的系统，其中基准位置和位置数据的至少一个是基于用户输入和GPS信息确定的。

18.权利要求10中的系统，包括：

上述位置数据提取器(1-11)被配置成提取第二个识别的内容项目的位置数据以作为第二个位置；以及

上述阈值设定器(1-14)被配置成还基于作为基准位置与第二个位置之间的距离而被确定的第二标准距离来设定第一阈值。

Images