[發明專利]一種基于用戶狀態的音樂推薦方法、系統及可存儲介質

在審

• 申請號: 202111448578.X
• 申請日: 2021-11-30
• 公開（公告）號: CN114117105A
• 公開（公告）日: 2022-03-01
• 發明（設計）人: 劉向麗
• 申請（專利權）人: 淄博職業學院
• 主分類號: G06F16/535
• 分類號: G06F16/535;G06F16/55;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京睿智保誠專利代理事務所(普通合伙) 11732
• 代理人: 韓迎之

本發明公開了一種基于用戶狀態的音樂推薦方法，涉及信息處理領域。本發明包括以下步驟：音樂分類：獲取音樂音頻并預處理；特征提取預處理后的音樂音頻，所述特征提取為：提取音樂音頻的文本信息以及音高、音強和音色特征；根據特征提取結果對音樂音頻分類，得到分類結果；用戶狀態分類：獲取用戶所處環境，實時監測用戶的心率，得到用戶的運動狀態以及心情狀態；音樂推薦：將音樂分類結果數字化并設定多個音樂種類閾值；將用戶運動狀態以及心情狀態數字化并設定多個用戶狀態閾值；將音樂種類閾值與用戶狀態閾值匹配，得到推薦音樂。本發明能夠高效精準向用戶推薦音樂。

技術領域

本發明涉及信息處理領域，更具體的說是涉及一種基于用戶狀態的音樂推薦方法、系統及可存儲介質。

背景技術

隨著移動互聯技術的發展，移動終端提供了越來越多樣化的應用，例如視頻觀看、音樂播放、電子商務、定位信息服務等。其中，音樂播放成為了目前移動終端的一個重要應用。然而，互聯網上存在大量的音樂資源，各大音樂網站、平臺為用戶提供了數以萬計的音樂資源，如何使得移動終端用戶方便的找到自己所需要的音樂，便需要通過個性化音樂推薦方法為用戶智能地推薦可能感興趣的音樂。

現有技術中的音樂推薦方法通常是這樣實現的：收集用戶收聽音樂的行為軌跡，分析用戶的興趣偏好，計算音樂與音樂之間、音樂與用戶之間、用戶與用戶之間的相似度或相關度，以此為依據推薦用戶可能感興趣的音樂。

但是，現有技術中沒有根據用戶的運動狀態以及心情狀態精準推薦的音樂的方法，因此，這是本領域技術人員亟需解決的。

發明內容

有鑒于此，本發明提供了一種基于用戶狀態的音樂推薦方法、系統及可存儲介質。

為了實現上述目的，本發明采用如下技術方案：

一種基于用戶狀態的音樂推薦方法，包括以下步驟：

音樂分類：獲取音樂音頻并預處理；特征提取預處理后的音樂音頻，所述特征提取具體為：提取音樂音頻的文本信息以及音高、音強和音色特征；根據特征提取結果對音樂音頻分類，得到分類結果；

用戶狀態分類：獲取用戶所處環境，實時監測用戶的心率，得到用戶的運動狀態以及心情狀態；

音樂推薦：將音樂分類結果數字化并設定多個音樂種類閾值；將用戶運動狀態以及心情狀態數字化并設定多個用戶狀態閾值；將音樂種類閾值與用戶狀態閾值匹配，得到推薦音樂。

可選的，所述用戶狀態分類還包括：獲取用戶歷史記錄信息，將用戶歷史記錄信息采用K-means聚類算法聚類，得到用戶的音樂喜好。

可選的，對音樂音頻預處理包括濾波、加重以及分幀和加窗。

可選的，特征提取采用BP神經網絡完成，具體包括對BP神經網絡進行訓練，訓練過程如下：

對每個神經元內部閾值和連接權重分別隨機賦值，輸入音樂音頻的特征向量，輸出為向量代表的文本信息以及音高、音強和音色特征；

通過輸入樣本，連接權重和閾值計算中間層輸入值，選擇隱含層傳遞函數，計算獲得中間各層單元的計算結果；

通過中間層輸出，連接權重和閾值計算輸出層各單元的輸入樣本，以simoid作為傳遞函數計算輸出層單元的響應值；

將輸出響應值與目標結果比較，獲得一般化誤差，根據連接權重、輸出層一般誤差和中間層輸出計算中間各單元一般化誤差，通過輸出層各單元誤差修正各層的連接權重和閾值；

多次重復訓練，直到樣本誤差小于預設誤差極小值，得到BP神經網絡。

可選的，運動狀態的獲取，具體為：