普適個性化多媒體服務技術綜述

摘 要：隨著數字技術和通信技術的快速發展，越來越多的普適設備能夠接收和處理更多的多媒體信息。提供面向普適環境的多媒體個性化服務成為今天研究的熱點。從普適個性化多媒體服務研究的不同側面對其進行了綜述，介紹了普適個性化多媒體服務的通用體系結構；對實現普適個性化多媒體服務的關鍵技術進行了詳細的描述，包括描述模型、媒體代碼轉換與適應技術、用戶喜好獲取與更新和多媒體推薦技術；最后總結了現有的研究及其不足，指出進一步需要研究的方向。

關鍵詞：普適計算； 描述模型； 媒體代碼轉換； 媒體適應； 多媒體推薦

中圖法分類號：TP391 文獻標識碼：A 文章編號：1001-3695(2006)10-0006-05

Survey of Ubiquitous Personalized Multimedia Service Technology

YU Zhiwen， ZHOU Xingshe， YU Zhiyong

(College of Computer Science， Northwestern Polytechnical University， Xi’an Shanxi 710072， China)

Abstract:With the rapid development of digital technologies and communication technologies， more and more pervasive end devices can receive and process more and more multimedia information. Provide personalized multimedia service to ubiquitous terminals becomes a hot topic in today’s research.It presents a survey of various aspects of the research on ubiquitous personalized multimedia technology. It firstly introduces the general architecture of ubiquitous personalized multimedia service. Then， it describes four key technologies needed to implement it in great details， which are description model， media transcoding and adaptation， user preference acquirement and update， and multimedia recommendation. Finally， this paper concludes the current research， and puts forward some issues needing further research for ubiquitous personalized multimedia service.

Key words:Ubiquitous Computing; Description Model; Media Transcoding; Media Adaptation; Multimedia Recommendation

1 引言

數字技術的迅猛發展使得多媒體信息急劇增長。多媒體是一種包含信息最豐富的數據形式，其包含了連續的媒體數據，如視頻、音頻；離散的媒體數據，如文本、圖形、圖像。多媒體的應用十分廣泛，普遍應用在科學數據檢索和處理、商業應用、教育和職業培訓、娛樂等領域[1]。另一方面，芯片技術和通信技術的發展，使得越來越多的設備具備一定的多媒體處理能力，如個人電腦、電視機、遠程監控系統、PDA（Personal Digital Assistants）和手機。隨著不同設備能力的增長，用戶越來越希望能夠通過其普適設備在任何地方獲取多媒體服務。多媒體信息的快速增長和千差萬別的設備能力給多媒體服務帶來了許多問題[2~10]：①不同的用戶具有不同的需求。多媒體內容越來越多，而用戶真正感興趣的只有很少一部分，出現了信息過載而用戶卻很難獲得自己真正需要信息的現象。②多媒體文件通常占用很大的空間和較多的系統資源，不易被處理。③普適環境下，終端設備的媒體處理能力千差萬別，如顯示尺寸、顏色深度、視頻/音頻能力、存儲空間、處理速度等。④異構網絡與有線網、無線網、紅外網等組合在一起，形成一個更加動態的分布式計算環境，網絡連接與帶寬動態變化。

解決這些問題，①需要提供個性化的多媒體服務，向用戶提供且僅提供滿足其興趣喜好的多媒體信息。對個性化的支持成為當前互聯網服務的主要成功要素之一，個性化的思想被應用到許多領域，如電子郵件[11]、電子商務[12]和Web[13]。文獻[14]對Web個性化服務技術及該領域的主要研究成果進行了綜述；文獻[15]對電視節目個性化技術的多個方面進行了研究。②需要考慮普適環境因素，即服務必須能夠適應終端環境，包括設備特性、網絡特性和時間特性。綜合兩方面考慮就是需要提供普適環境下多媒體個性化服務。普適環境下多媒體個性化是指基于個體用戶的特定需求或喜好、網絡容量以及終端能力，對多媒體服務的功能進行剪裁或定制，其實質是過濾或

調整多媒體內容。

2 體系結構

文獻[2~6]從不同角度、不同程度討論或設計了普適個性化多媒體服務的體系結構。普適個性化多媒體服務通常包括四個基本核心組件，即描述模型、用戶喜好獲取與更新模塊、媒體代碼轉換與適應模塊和多媒體推薦模塊。普適個性化多媒體服務通用體系結構以及模塊間相互關系如圖1所示。

描述模型對各種信息進行合理的描述，描述模型包括用戶喜好描述模型、環境特性描述模型、多媒體內容描述模型。用戶喜好獲取與更新模塊記錄用戶觀看歷史和當前行為，并對之進行分析，生成能夠準確反映用戶觀看口味的喜好信息。媒體代碼轉換與適應根據需要對多媒體內容進行轉換、調整和組合。推薦模塊根據用戶喜好信息、環境特性、多媒體描述信息為用戶推薦他真正感興趣的而且能夠在終端上播放或顯示的多媒體內容。其中環境特性包括終端設備能力、網絡帶寬、用戶觀看時間的限制等。多媒體內容可以先通過推薦，再進行代碼轉換與適應，也可以先進行代碼轉換與適應，然后通過推薦算法，最后送到終端播放。

3 描述模型

3．1 多媒體描述模型

多媒體描述標準，即描述規范定義描述內容的邏輯結構和語義信息。目前主要的多媒體描述模型有以下三種：

（1）MPEG7[1]。它是由MPEG組織提出的描述多媒體的元數據。MPEG7（Multimedia Content Description Interface，多媒體內容描述接口）是描述多媒體內容數據的標準，其目標是制定一種描述多媒體內容的標準，支持對多媒體信息在不同程度和不同層次上的解釋和理解，從而使其可以根據用戶的需要進行傳遞和存取。MPEG7支持同一媒體不同類型之間的變化：①轉換（Translation），從一種模態（圖像、視頻、文本、音頻、合成模態）轉換為另一種。例如，文本到語音（TexttoSpeech，TTS）的轉換、語音到文本（語音識別）、圖像到文本（嵌入說明識別）。②摘要（Summary），指定一個視頻/音頻個體的概要，使之能夠快速被用戶清楚了解。③縮放（Scaling），數據代碼轉換、操作和壓縮，達到減小尺寸、質量和數據比率。例如，圖像、視頻和音頻的轉換，圖像尺寸的減小，視頻幀釋放（Video Frame Dropping）。

（2）TVAnytime[16]。它是由TVAnytime Forum提出的，是針對多媒體數字存儲設備個人數字錄像機（Personal Digital Recorder，PDR）實現個性化節目指南的電視元數據，對用戶已獲取的以及可獲取的大量視頻/音頻信息進行處理和管理的規范。它采用內容標識符（CRID）來描述節目，通過位置解析，根據每個節目所特有的CRID來獲取該節目信息，其不受節目播放時間更改的限制，使用戶可以在需要的時候，以他們喜歡的方式收看想看的節目。TVAnytime元數據規范和XML Schema都是基于MPEG7的描述定義語言（Description Definition Language，DDL）、描述方案（Description Schemes，DSs）和描述符（Decriptors）。TVAnytime借用了MPEG7的多媒體描述元數據，并且制定了自己的一些規范，如內容參考、地址解析、版權管理和保護。它是針對特定的應用（PDR）而制定的，有一定的局限性。從名稱上很容易看出TVAnytime的主要目標是讓用戶在任何時候看到想看的電視節目，其采用的方法是變線性播放為非線性播放，實現的途徑是采用PDR對用戶想看的節目進行事先錄制。

（3）DVBSI（Digital Video BroadcastingService Information）[17]。它是針對數字電視的元數據。服務信息（Service Information）與廣播信號（視頻內容）一同發送到用戶端，用TS（傳輸流）包運送SI各個部分，用不同包標識符來識別SI中不同的部分。服務信息幫助接收器/解碼器或觀眾瀏覽所提供的數字服務。在DVBSI中，作為通信事件信息方式的EIT（Event Information Table，事件信息表）十分重要，一個事件指一個節目的播放。在DVBSI中，對當前播放的和接下來將要播放的節目提供了描述信息。EIT提供的信息包括節目名稱、開始時間、持續時間、內容描述等。盡管DVBSI是目前最廣泛應用的電視節目元數據標準（主要在歐洲），但其潛力遠遠沒有得到實現，一般情況下只有那些必須的最小的信息被提供。DVBSI所提供的描述性工具也沒有得到充分利用。節目經常沒有使用內容描述符進行分類，僅僅提供當前和接下來的事件的信息，而沒有提供幾天內以及多個頻道的節目信息。這樣就導致觀眾不知道接下來或其他頻道都有哪些節目。

針對媒體描述的標準還有Dublin Core元數據[18]，SMPTE（Society of Motion Picture and Television Engineers）[19]，SMEF（Standard Media Exchange Framework）[20]，P/Meta[21]。

3．2 用戶模式描述模型

用戶模式(User Profile)是關于終端用戶的信息，如用戶身份、喜好信息以及觀看歷史等。如果用戶喜好信息不會與服務商或其他用戶以及第三方服務提供商進行交互，則可以采用非標準的、簡單的描述方案；如果為了實現多方交互，則需要采用標準的描述方案。目前針對用戶模式的描述標準主要有MPEG7和TVAnytime。其中TVAnytime的描述大多是借用MPEG7的。

MPEG7中UserPreferences DS包括：①FilteringAndSearchPreferences。它描述用戶對內容的喜好，指定喜愛的名稱、類型、演員等以及不同喜好的相對權重。②BrowsingPreferences。它描述觀看內容的方式（時間、地點）、形式（摘要類型）。MPEG7還提供UsageHistory DS描述用戶的使用歷史，主要由觀察時段ObservationPeriod和用戶行為列表UserActionList組成。不同的列表包含不同的行為類型，如播放、暫停、錄制等，以及該行為持續的時間。

3．3 環境描述模型

目前已有的或正處于發展階段的環境描述規范主要有MPEG21[22]、WAP論壇的用戶代理模式規范（User Agent Profile Specification）[23]和W3C移動組織的復合能力/喜好模式（Composite Capabilities/Preference Profile，CC/PP）[24]。

MPEG21的正式名稱是多媒體框架（Multimedia Framework），又稱數字視聽框架（Digital AudioVisual Framework）。創建一個開放的多媒體傳輸和消費框架，通過將不同協議、標準和技術結合在一起，使用戶可以在現有各種網絡和設備上透明地使用網絡的多媒體信息和內容，實現全部電子化的數字多媒體內容的制作、傳輸和交易。定義了七個關鍵要素：數字項聲明、數字項識別和描述、內容處理和使用、知識產權管理和保護、終端和網絡、內容表示、事件報告。其中，事件報告是對一個使用內容統一的環境描述，覆蓋了網絡、終端和接入條件等方面，目的是實現通用多媒體接入（UMA），其中的內容要適應動態環境。事件報告能使用戶精確理解框架中所有可報告事件的執行情況，為用戶提供特定互操作的執行方法。數字項適應（Digital Item Adaptation，DIA）根據資源適應性、描述符適應性和服務質量管理對DIA提供支持機制。

WAP論壇的User Agent Profile Specification描述終端能力包括終端的硬件參數、軟件參數、網絡參數、瀏覽器參數、WAP參數、Push參數。W3C移動組織的Composite Capabilities/Preference Profile（CC/PP）主要描述終端能力，關于用戶喜好和需求的部分很少，主要包括硬件平臺屬性、軟件平臺屬性、偏好（首選語言、聲音、圖像、隱私、是否允許腳本、Cookie）。

3．4 物理組織形式

一個具有市場競爭力的多媒體描述文件要求具備以下條件：其格式是公開的，能夠自由使用和擴展，容易解析和被自動系統使用[25]。XML（eXtensible Markup Language）[26]是目前描述節目元數據的趨勢，是目前研究的熱點。它是MPEG7，TVAnytime和IEEE TV Metadata[25]作為節目元數據物理形式的選擇。XML是由W3C于1998年2月發布的一種標準，其核心思想與多媒體元數據的概念十分相似。它以一種開放的自我描述方式定義了數據結構，在描述數據內容的同時能突出對結構的描述，從而體現出數據之間的關系。XML的最大優點在于其數據存儲格式不受顯示格式的制約，在信息交換領域中得以廣泛應用，已經成為Internet上標準的信息交換機制。另外，大量強大的XML工具推出也促進了XML的廣泛應用，如XSL（XML Stylesheets）[27]，XQL（XML Query Language）[28]以及可以用來處理和管理XML數據的XML數據庫。

DVBSI以二進制的形式與視頻內容一起發送給用戶。MPEG7和TVAnytime除了提供XML表示形式外，也提供二進制表示。二進制表示的缺陷是不可讀、不易擴展、互操作性差；優點是有利于存儲、傳輸和流處理。

用戶描述文件可以采用數據庫或文件形式進行組織。如果用戶喜好信息不會與服務商或其他用戶以及第三方服務提供商進行交互，其組織形式可以根據個人和設備能力進行選擇；如果為了實現多方交互，則需要采用XML文件組織形式。

環境描述文件通常采用XML文件組織，如MPEG21、WAP論壇的User Agent Profile Specification和W3C移動組織的CC/PP。

4 媒體代碼轉換技術與適應技術

代碼轉換是指從媒體的一種模式轉換為另一種模式，或者同一種模式的不同壓縮比及編碼格式。媒體代碼轉換的研究很多，其方法包括視頻比率控制、空間分辨率降低、異類視頻的轉換。有了媒體代碼轉換技術，就能夠對多媒體信息進行過濾、變換、轉換或者重組，使之能夠在任何地方被不同設備訪問，并且為不同用戶提供個性化的內容。

文獻[8]指出一些高級視頻壓縮標準，如H.263和MPEG，通過改變視頻幀速率、量化器以及運動檢測閾值等來提供視頻速率控制機制。除了速率控制外，視頻空間分辨率也需要調整，因為多數普適設備只有很小的顯示能力，即減小視頻空間分辨率。在一些應用中，視頻流需要從一種壓縮格式轉換為另一種，如從MPEG到H．263，也就是異類視頻轉換。

媒體適應是指根據外部環境對媒體進行調整或組合。從某種程度上講，媒體適應包含媒體代碼轉換，代碼轉換是為適應服務的，所以通常先進行代碼轉換，再進行適應。可以從不同的角度對媒體適應技術進行分類[9]。

根據適應的目標上下文，媒體適應技術可以分為：

（1）針對技術基礎的媒體適應。技術基礎包括設備能力和網絡連接。普適設備諸多特征不同，如顯示屏的尺寸、分辨率、顏色深度、計算能力、存儲容量、軟件環境。網絡連接包括電纜、無線、不同的有效帶寬和網絡延時。例如，為了能夠在一個只有很小的顯示屏和有限顯示能力的設備上顯示圖片，減小圖片的尺寸和分辨率能夠幫助圖片的顯示。

（2）針對用戶喜好（需求）的媒體適應。對一個特定的多媒體內容，用戶會有不同的需求，如一部電影，有的人想看詳細情節，而有的人只想看一個大概。

根據不同媒體模式創建的時間，媒體適應技術可以分為：

（1）靜態適應。在制作時預先處理一些多媒體格式，以不同的質量和處理需求存成多種版本，表示時根據用戶的上下文選取一種合適的版本。目前主要采用此方法。

（2）動態適應。在表示時根據特定上下文決定可用的格式。例如，當網絡帶寬不夠時，可以丟棄一些不重要的數據，為用戶提供一個多媒體的概要版本。設備和網絡連接的多樣性使得在制作時為每一個類型的設備生成一個不同的多媒體內容是很困難和昂貴的。而且網絡連接是動態的，在媒體制作階段是無法知道的。

根據適應中所涉及的媒體類型，媒體適應技術可以分為：

（1）單媒體元素適應。對于同一個媒體元素不同品質或格式之間的轉換，如圖像GIF到JPEG的轉換，彩色到黑白的轉換。

（2）跨媒體類型的適應。將媒體內容從一種類型轉換為另一種類型，使得轉換的內容能夠被特定的設備處理。

根據抽象表示的級別，媒體適應可以分為：

（1）語義級適應。媒體信息是由多種類型、多個元素組成的，語義級適應是根據媒體信息的語義結構，對信息進行選擇和整合，操作單位是已有的元素。

（2）物理級適應。它是轉換、縮放和提取的綜合過程，對媒體內容本身進行操作。

5 用戶喜好獲取與更新機制

用戶興趣學習（User Profiling/User Modeling）是指收集用戶相關信息，并不斷根據用戶改變的口味（需求），自適應地進行更新。用戶興趣學習的信息源有三種：顯式輸入、顯式反饋和隱式反饋。顯式輸入是指用戶主動手工輸入或修改自己的基本信息和感興趣的內容，典型的做法是通過圖形用戶界面，讓用戶填入信息或選擇某些列舉項。顯式反饋是指系統要求用戶對所推薦的多媒體內容進行顯式地反饋和評價，如對一個推薦的節目，是播放（正反饋）還是忽略（負反饋）；對一個正在播放的節目進行等級評價，如“好”、“一般”或“差”，或者進行更細致的評價打分，如采用5分制。隱式反饋是指系統在后臺觀察用戶的觀看行為并且分析用戶的歷史數據，自動收集用戶反饋信息，不要求用戶主動提供信息。實現隱式反饋學習的關鍵技術是機器學習算法。機器學習在人工智能領域得到廣泛深入的研究，典型的機器學習方法主要有相關反饋、遺傳算法、概率邏輯、專家系統、決策樹、Bayesian網絡、人工神經網絡、支持向量機等。

目前的用戶喜好學習主要集中在Web文檔、電子商務、家庭數字電視領域。普適環境下如何獲取并更新用戶對多媒體的喜好知識很少有研究涉及。很多文獻，如文獻[4]在講普適環境下多媒體服務時，對用戶喜好只是一筆帶過，即假設用戶喜好信息已經存在。

普適環境下用戶喜好獲取與更新面臨許多困難：①普適設備交互性差，導致顯式輸入不現實；②處理能力弱，使得復雜的學習算法難以運行；③用戶的移動性，有多種設備可供使用，經常短暫使用某個設備，系統來不及收集用戶相關信息。Panchanathan S.在文獻[29]指出，在普適環境下對用戶信息的獲取將不再是傳統的與計算設備的顯式交互，取而代之的是隱式交換。

文獻[3]根據用戶的選擇信息，對用戶的喜好進行自動更新。用戶喜好處理包括用戶喜好獲取和自動更新兩個操作。初始喜好通過問卷表格的形式獲取，用戶選擇或輸入喜好，如主題、語言、來源等，同時指定這些類別的優先級；然后用戶的回答（選擇）被轉換成MPEG7 User Preferences，并且存儲在相應的數據庫中；經過用戶許可，用戶行為（訪問內容列表）被收集且存入MPEG7 Usage History。這些數據用來更新用戶喜好，至于如何更新，采用什么算法，卻沒有講清楚。

UPTV[5~6]系統中的用戶喜好包括用戶提供的顯式偏好以及從用戶的觀看歷史推理得來的隱式偏好。

文獻[30]基于領域分類學來表示用戶喜好。服務由概念和屬性進行描述，用戶對于服務的興趣可以看作是從概念和屬性到用戶對服務感興趣概率的函數映射。但這些概率如何計算文章卻沒有給出解釋。

6 推薦技術

獲得用戶喜好信息之后，下一個步驟就是分析用戶喜好信息，采用推薦技術為特定用戶推薦多媒體內容。推薦技術主要有基于規則的技術和過濾技術。基于規則的技術利用預定義的規則來推薦多媒體內容，一個規則本質上是一個IfThen語句，規則決定了在不同情形下為不同用戶推薦不同的內容；過濾技術使用特定的算法來分析多媒體元數據，最終產生推薦。常用的過濾技術有布爾過濾、基于內容過濾和協作過濾。

普適環境下的多媒體推薦需要綜合考慮用戶喜好和環境因素，與單一基于用戶模式的多媒體推薦不同。單一基于用戶模式的推薦，只考慮某個多媒體內容是否符合用戶的興趣，如果符合就推薦，否則不推薦；普適環境下的推薦不僅要考慮用戶喜好，還要考慮終端設備的能力，如某個視頻內容符合用戶喜好，但是用戶此時所用的手機根本就不能播放視頻文件，這時就不能直接推薦該視頻內容，可以先進行處理再推薦，或者推薦別的相關圖片和文本；此外還要考慮網絡帶寬以及用戶可供觀看的時間，如用戶在飛機上，則只有45min的空閑時間。

文獻[3]根據用戶喜好與內容描述信息的匹配程度對內容進行排序。通過比較內容的媒體格式與當前終端/網絡能力找到最適合當前使用環境的內容版本；也可以根據預先建立的規則進行推薦，如If內容分辨率大于終端分辨率Then該內容不能推薦。

文獻[4]綜合考慮了用戶喜好信息和時間限制，選取并組合用戶最感興趣的視頻片段，使之能夠在限定時間內播放完。假設總共有N個屬性類別，P=[p1，p2，…，pN]T是用戶喜好向量，Pi表示用戶對屬性i的喜好權重；有M個視頻段，S=[s1，s2，…，sM]T是組成初始視頻的所有視頻段，Si表示第i個視頻段；屬性分值ai，j定義為屬性i在視頻段j中的相關性，即視頻段j屬于屬性i的程度。由此可以得到屬性矩陣A，用戶對視頻段的喜好程度矩陣W：

假設視頻段Si的默認播放時間是ti，用戶可用來觀看該視頻的時間是T：①根據權重w從大到小對視頻段排序，w(s1)＞w(s2)＞…＞w(sm)；②選取前l個視頻段，使得t(s1)+t(s2)+…+t(sl)≤T并且t(s1)+t(s2)+…+t(sl)+t(sl+1)＞T；③對選取的l個視頻段按照最初的時間順序進行合并，生成視頻摘要。

文獻[7]提出了基于QoS的多媒體推薦技術。QoS由多個類別組成，每個類別由多個維構成。QoS類別（QoS Category）由一組表示質或量的屬性的質量參數（QoS Parameter）組成，如實時視頻、實時音頻。QoS維（QoS Dimension）表示質或量的屬性的質量參數，如幀速率、幀大小、顏色深度。定義了QualityAware應用規范，用戶對特定應用的質量翻譯（Translation）模板，對不同用戶的質量級別和對應應用特定QoS類別、QoS保證級別、QoS維之間進行映射；定義了事件、行為、適應規則的規范。該研究主要完成和實現QoS規約及QoS映射，而對于QoS執行，也就是在多媒體服務運行階段對資源的動態監測和保障沒有進行深入探討。

文獻[31]將模糊邏輯技術用于基于位置服務的分類和定制，采用模糊邏輯學習用戶的喜好，并表達了環境的特征。基于位置的數據被描述成一組位置數據點（Location Data Points，LDP），每一個LDP成為決策過程的一個選擇（一條路徑），使用模糊聚類便能產生許多包含LDP的模糊類。用戶喜好以目標及其約束的形式表現，針對每個LDP分派一個分值。這樣就形成了一個決策矩陣，然后采用Max/Min方法或者對目標和約束賦予不同權重的方法進行決策。

7 總結與展望

數字技術和通信技術的發展使得普適設備訪問多媒體信息成為可能。如何在普適環境下為用戶提供個性化的多媒體服務已經成為當今研究熱點。學術界和工業界，包括IBM、微軟、西門子、ATT等著名IT公司，從不同側面對普適個性化多媒體服務技術進行了研究。本文針對普適個性化多媒體服務的通用體系結構及其關鍵技術作了全面的概述。可以看出，目前的研究主要集中在描述模型、媒體代碼轉換以及服務的框架和體系結構上。

雖然多媒體描述規范、媒體代碼轉換技術已經相當成熟，但是就其他核心技術而言，還存在許多亟待解決的問題。Pereira F.和Burnett I.在文獻[2]中指出對普適多媒體服務的研究才剛剛開始，還有許多問題需要深入研究。文獻[32]指出了普適推薦系統所面臨的一些問題，如根據用戶的活動和行為模式進行推薦，察覺外部環境的變化而自動進行調整，普適環境下人與人的交互、人機交互等問題。筆者認為需要進一步深入研究的方面包括建立統一的普適多媒體服務模型，設計靈活多樣的普適環境下用戶喜好獲取與更新機制以及簡單有效的多媒體推薦算法。目前，我們正在進行這幾方面的研究工作。

參考文獻：

[1]MPEG7 Overview(version 10)[EB/OL].http://www.chiariglione.org/mpeg/standards/mpeg7/mpeg7.htm， 2004.

[2]Pereira F， Burnett I. Universal Multimedia Experiences for Tomorrow[J]. IEEE Signal Processing Magazine， 2003，20(2):63-73.

[3]Olivier Steiger， et al. MPEGbased Personalized Content Delivery[C]. Barcelona: Proceedings of the IEEE International Conference on Image Processing(ICIP 2003)， 2003.1417.

[4]Belle L Tseng， et al. Video Summarization and Personalization for Pervasive Mobile Devices[C]. San Jose: SPIE Electronic Imaging， Storage and Retrieval for Media Databases， 2002.

[5]Nikos Pappas， Fotis G Kazasis， et al. Personalized and Ubiquitous Information Services for TV Programs[C]. Chania， Greece: Workshop on Multimedia Contents in Digital Libraries， 2003.

[6]Kazasis F G， Moumoutzis N， et al. Designing Ubiquitous Personalized TVAnytime Services[C]. UMICS， 2003.

[7]Duangdao Wichadakul， Xiaohui Gu， Klara Nahrstedt. A Programming Framework for QualityAware Ubiquitous Multimedia Applications[C]. Proc. of ACM Multimedia， 2002.631640.

[8]Zhijun Lei. Media Transcoding for Pervasive Computing[C]. Ottawa: Proceedings of the 9th ACM international Conference on Multimedia， 2001.459-460.

[9]Zhijun Lei， Nicolas D Georganas. Contextbased Media Adaptation in Pervasive Computing[C]. Toronto: Proceedings of Canadian Conference on Electrical and Computer Engineering(CCECE)， 2001.

[10]YihFarn Chen， Huale Huang， et al. Personalized Multimedia Services Using a Mobile Service Platform[C]. Florida: Proceedings of the IEEE Wireless Communications Networking Conference， 2002.17-21.

[11]Lashkari Y， Metral M， Maes P. Collaborative Interface Agents[C]. Seattle: Proceedings of the National Conference on Artificial Intelligence， AAAI， 1994.444-449.

[12]Filippo Menczer， W Nick Street. Adaptive Assistants for Customized EShopping[J]. IEEE Intelligent Systems， 2002，(6): 1219.

[13]朱培棟，盧錫城，周興銘.基于客戶行為模式的Web文檔預送[J].軟件學報，1999，10(11):11421147.

[14]曾春，邢春曉，周立柱.個性化服務技術綜述[J].軟件學報，2002，13(10):19521961.

[15]於志文，周興社，等.電視節目個性化技術的研究[J].小型微型計算機系統，2005，26(1):105110.

[16]TVAnytime Homepage[EB/OL]. http://tvanytime.org/.

[17]Digital Video Broadcasting (DVB)， Specification for Service Information (SI) in DVB Systems[S]. ETSI EN 300 468(v1.5.1)， 2003.

[18]Dublin Core Metadata Initiative Homepage[EB/OL]. http://dublincore.org/.

[19]SMPTE Homepage[EB/OL]. http://www.smpte.org/.

[20]BBC SMEF Data Model Introduction[EB/OL]. http://www.bbc.co.uk/guidelines/smef/.

[21]EBU Project P/META Introduction[EB/OL]. http://www.ebu.ch/departments/technical/pmc/pmc_meta.html.

[22]MPEG21 Overview v5[EB/OL]. http://www.chiariglione.org/mpeg/standards/mpeg21/mpeg21.htm.

[23]WAP User Agent Profile Specification[EB/OL]. http://www1.wapforum.org/tech/documents/WAP174UAPROF19991110a.pdf.

[24]W3C Composite Capabilities/Preference Profile Specification[EB/OL]. http://www.w3.org/Mobilr/ccpp/.

[25]James M Barton. Television MetaData Standardization Overview and Opportunities[C]. Proceedings of International Conference on Consumer Electronics， 2000.28-29.

[26]Extensible Markup Language(XML) 1.0， W3C Rec[EB/OL]. http://www.w3.org/TR/RECxml， 1998-02.

[27]Extensible Stylesheet Language(XSL)， version 1.0， W3C Recommendation[EB/OL]. http://www.w3.org/TR/xsl/， 200110.

[28]XMLQL: A Query Language for XML[EB/OL]. http://www.w3.org/TR/NOTExmlql， 1998-08.

[29]Panchanathan S. Ubiquitous Multimedia: Bridging the Digital Divide[J]. IEEE Multimedia Magazine， 2002，9(1):1215.

[30]SchmidtBelz B， Nick A， Poslad S， et al. Personalized and Locationbased Mobile Tourism Services[C].Pisa:Workshop on Mobile Tourism Support Systems， 2002.

[31]Evangelos Kotsakis， Michalis Ketselidis. Modeling Personalized and Context Sensitive Behavior for Location Aware Services by Employing Fuzzy Logic[C]. Rethymnon: Proceedings of the 6th WSEAS International Conference on Systems， 2002.

[32]McDonald D W.Ubiquitous Recommendation Systems[J].IEEE Computer Magazine， 2003，36(10):111112.

作者簡介：

於志文（1977-），男，博士研究生，研究方向為智能多媒體服務、智能信息技術、個性化技術、普適計算、嵌入式計算；周興社（1955-），男，院長，教授，博導，研究方向為分布式計算、智能Agent、嵌入式計算；於志勇（1982-），男，碩士研究生，研究方向為嵌入式計算、普適計算。

注:本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文