使用机器学习模型自动生成事件制造技术

一种媒体应用将与用户账户相关联的媒体库分割成回合，其中，每回合与对应的时间段相关联。媒体应用使用事件机器学习模型生成事件信号，该事件信号指示事件在每回合中发生的可能性，其中，事件机器学习模型是接收媒体作为输入的分类器。媒体应用为每回合生成事件重要性分数。媒体应用基于事件信号和超过阈值事件重要性值的对应事件重要性分数来确定来自回合的一个或多个事件。媒体应用提供包括来自一个或多个事件的对应媒体的用户界面。个或多个事件的对应媒体的用户界面。个或多个事件的对应媒体的用户界面。

【技术实现步骤摘要】
【国外来华专利技术】使用机器学习模型自动生成事件
[0001]相关申请的交叉引用
[0002]本申请要求2021年8月17日提交的、标题为“Automatic Generation of Events Using a Machine
‑
Learning Model(使用机器学习模型自动生成事件)”的美国专利申请第17/404773号的优先权，该美国专利申请要求2021年5月11日提交的、标题为“Automatic Generation of Events Using a Machine
‑
Learning Model(使用机器学习模型自动生成事件)”的第63/187392号美国临时专利申请的优先权以及201年5月17日提交的、标题为“Automatic Generation of Events Using a Machine
‑
Learning Model(使用机器学习模型自动生成事件)”的美国临时专利申请第63/189657号的优先权，其中每个申请均整体包含在本文中。

技术介绍

[0003]诸如智能手机或其他数码相机的设备的用户捕获并在其库中存储大量媒体(例如照片和视频)。用户可以访问该库以查看他们的媒体，以回忆各种事件，诸如生日、婚礼、假期、旅行等。然而，库通常有难以组织的数千张长期拍摄的图像。
[0004]本文中提供的
技术介绍
描述是为了总体呈现本公开的上下文的目的。在本
技术介绍
部分描述的范围内，目前指名的专利技术人的工作以及在提交时可能不符合作为现有技术的描述的方面均未明确或也未暗示地被承认为相对于本公开的现有技术。

技术实现思路

[0005]一种计算机实现的方法包括：将与用户账户相关联的媒体库分割成回合(episode)，其中，每回合与对应的时间段相关联；使用事件机器学习模型生成事件信号，该事件信号指示事件在每回合中发生的可能性，其中，事件机器学习模型是接收媒体作为输入的分类器；生成每回合的事件重要性分数；基于事件信号和超过阈值事件重要性值的对应事件重要性分数，来从所述回合中确定一个或多个事件；以及，提供包括具有来自一个或多个事件的特定事件的对应媒体的事件项的用户界面。
[0006]在一些实施例中，用户界面是包括对应媒体的媒体的逆时间网格的一部分，并且该方法还包括：响应于用户从逆时间网格中选择事件项，在预定持续时间内用来自特定事件的对应媒体的显示来替换逆时间网格；以及响应于完成对应媒体的显示，显示逆时间网格。在一些实施例中，该方法还包括：通过使用静态训练集离线生成事件机器学习模型；以及响应于更新大小小于阈值大小来更新事件机器学习模型。在一些实施例中，该方法还包括：接收来自用户的从包括人描绘的媒体库中的媒体中移除人描绘的请求；以及从媒体中过滤人描绘，其中，在生成事件重要性分数之前执行过滤。在一些实施例中，该方法还包括：确定要在单独设备上执行的计算以优化计算；以及，基于要在单独设备上执行的计算，在多个设备上实现事件机器学习模型。在一些实施例中，用户界面包括隐藏事件项的选项。在一些实施例中，生成事件重要性分数是基于以下中的一个或多个：对应回合中的至少阈值数量的媒体项、对应回合中至少阈值数量的面部聚类、对应回合中的媒体项的质量指示符、阈
值等级的至少一个面部聚类或者罕见的面部聚类的存在。在一些实施例中，该方法还包括：基于以下中的一个或多个将多个回合组合为单个事件：多个回合与全部落在24小时周期内的相应时间段相关联、单个事件是在多天内出现的事件类型、与单个事件相关的不同日期的庆祝活动、多个回合涉及同一地点或者多个回合涉及同一面部聚类集。在一些实施例中，该方法还包括：生成置信度分数，该置信度分数指示对应事件是被准确辨识的事件类型的可能性；以及响应于置信度分数满足阈值置信度值，将描述事件类型的自动生成的标题添加到对应事件。在一些实施例中，该方法还包括：响应于置信度分数未能满足阈值置信度值，基于模板短语将标题添加到对应事件。在一些实施例中，标题机器学习模型从一个或多个事件接收对应的媒体作为输入，并且标题机器学习模型生成标题作为输出。在一些实施例中，用户界面包括编辑来自特定事件的对应媒体的选项。在一些实施例中，所述方法还包括：确定一个或多个事件包括确定事件，使得每个月事件的数量小于或等于预定数量；接收新媒体以与媒体库相关联；以及响应于新事件与高于特定事件的事件重要性分数的新事件重要性分数相关联，用新事件替换一个或多个事件中的特定事件。在一些实施例中，用户界面包括改变事件项的标题的选项。在一些实施例中，该方法还包括：为对应媒体生成基于特定事件的类型的音频。
[0007]实施例可以还包括一个系统，该系统包括一个或多个处理器和存储由一个或多个处理器执行的指令的存储器，该指令包括：将与用户账户相关联的媒体库分割成回合，其中，每回合与对应的时间段相关联；使用事件机器学习模型生成事件信号，该事件信号指示事件在每回合中发生的可能性，其中，事件机器学习模型是接收媒体作为输入的分类器；生成每回合的事件重要性分数；基于事件信号和超过阈值事件重要性值的对应事件重要性分数，来从所述回合中确定一个或多个事件；以及，提供包括具有来自所述一个或多个事件的特定事件的对应媒体的事件项的用户界面。
[0008]在一些实施例中，用户界面是包括对应媒体的媒体的逆时间网格的一部分，并且该方法还包括：响应于用户从逆时间网格中选择事件项，在预定持续时间内用来自特定事件的对应媒体的显示来替换逆时间网格；以及响应于完成对应媒体的显示，显示逆时间网格。在一些实施例中，以基于事件重要性分数、特定事件的媒体项的数量、一段时间内的事件总数或事件类型中的一个或多个的大小来显示事件项。
[0009]实施例还可以包括一种非暂时性计算机可读介质，该介质包括存储在其上的指令，该指令当由一个或多个计算机执行时使一个或更个台计算机执行操作，该操作包括：将与用户账户相关联的媒体库分割成回合，其中，每回合与对应的时间段相关联；使用事件机器学习模型生成事件信号，事件信号指示事件在每回合中发生的可能性，其中，事件机器学习模型是接收媒体作为输入的分类器；生成每回合的事件重要性分数；基于事件信号和超过阈值事件重要性值的对应事件重要性分数，来从所述回合中确定一个或多个事件；以及提供包括具有来自所述一个或多个事件的特定事件的对应媒体的事件项的用户界面。
[0010]在一些实施例中，用户界面是包括对应媒体的媒体的逆时间网格的一部分，并且该方法还包括：响应于用户从逆时间网格中选择事件项，在预定持续时间内用来自特定事件的对应媒体的显示来替换逆时间网格；以及响应于完成对应媒体的显示，显示逆时间网格。
[0011]本说明书有利地描述了一种使用事件机器学习模型来生成事件信号的方法，该事
件信号指示事件在每回合中发生的可能性。以此方式，可以提供一种用于将媒体项分类为事件的改进方法，该方法例如可以提供对事件的分类，该分类比预定义分类或类别的情况更可靠地反映数据中的潜在趋势。此外，通过使用静态训练集并响应于更新大小小于阈值大小来更新事件机器学习模型，机器学本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种计算机实现的方法，包括：将与用户账户相关联的媒体库分割成回合，其中，每回合与对应时间段相关联；使用事件机器学习模型生成事件信号，所述事件信号指示事件在每回合中发生的可能性，其中，所述事件机器学习模型是接收所述媒体作为输入的分类器；生成每回合的事件重要性分数；基于所述事件信号和超过阈值事件重要性值的对应事件重要性分数来从所述回合中确定一个或多个事件；以及提供用户界面，所述用户界面包括具有来自所述一个或多个事件的特定事件的对应媒体的事件项。2.根据权利要求1所述的方法，其中，所述用户界面是媒体的逆时间网格的包括所述对应媒体的一部分，并且还包括：响应于用户从所述逆时间网格中选择所述事件项，在预定持续时间内用来自所述特定事件的所述对应媒体的显示来替换所述逆时间网格；以及响应于完成所述对应媒体的所述显示，显示所述逆时间网格。3.根据权利要求1所述的方法，还包括：通过使用静态训练集离线生成所述事件机器学习模型；以及响应于更新大小小于大小阈值而更新所述事件机器学习模型。4.根据权利要求1所述的方法，还包括：接收来自用户的用以从包括人的描绘的所述媒体库中的媒体中移除所述人的描绘的请求；以及从所述媒体中过滤所述人的所述描绘，其中，所述过滤在生成所述事件重要性分数之前执行。5.根据权利要求1所述的方法，其中，所述用户界面包括用以隐藏的选项或用以添加以下中的一个或多个的选项：来自所述一个或多个事件的媒体项、与所述一个或多个事件相关联的日期或来自所述一个或多个事件的媒体项中描绘的人或宠物。6.根据权利要求1所述的方法，还包括：确定要在单独设备上执行的计算以优化计算；以及基于要在所述单独设备上执行的所述计算来在多个设备上实现所述事件机器学习模型。7.根据权利要求1所述的方法，其中，生成所述事件重要性分数是基于以下中的一个或多个：对应回合中的至少阈值数量的媒体项、所述对应回合中的至少阈值数量的面部聚类、所述对应回合中的所述媒体项的质量指示符、阈值等级的至少一个面部聚类或者罕见的面部聚类的存在。8.根据权利要求1所述的方法，还包括：基于以下中的一个或多个将多个回合组合为单个事件：所述多个回合与全部落在24小时周期内的相应时间段相关联、所述单个事件是在多天出现的事件类型、与所述单个事件相关的不同天的庆祝活动、所述多个回合涉及同一地点或者所述多个回合涉及同一面部聚类集。9.根据权利要求1所述的方法，还包括：生成置信度分数，所述置信度分数指示对应事件是被准确辨识的事件类型的可能性；
以及响应于所述置信度分数满足阈值置信度值，将描述所述事件类型的自动生成的标题添加到所述对应事件。10.根据权利要求9所述的方法，还包括：响应于所述置信度分数未能满足所述阈值置信度值，基于模板短语将所述标题添加到所述对应事件。11.根据权利要求1所述的方法，其中，标题机器学习模型从所述一个或多个事件接收所述对应媒体作为输入，并且所述标题机器学习模型生成标题作为输出。1...

【专利技术属性】
技术研发人员：克里斯蒂娜，
申请(专利权)人：谷歌有限责任公司，
类型：发明
国别省市：