CN101140656A

CN101140656A - 一种音乐消费行为分析的方法

Info

Publication number: CN101140656A
Application number: CNA2006101123447A
Authority: CN
Inventors: 张德富
Original assignee: Individual
Current assignee: Individual
Priority date: 2006-09-04
Filing date: 2006-09-04
Publication date: 2008-03-12

Abstract

一种音乐消费行为分析的方法，包括以下步骤：①取得每一首音乐作品的情感特征因子；②定义每个情感特征因子的属性值；③根据所述的属性值进行音乐消费情感分类，建立消费情感特征音乐数据库；④形成该用户音乐消费详细资料列表；⑤计算并提取属性值出现频率大于等于60％的消费强相关情感特征因子；⑥计算用户已消费音乐间的平均距离；⑦计算一首新音乐与已消费音乐间平均距离；⑧定义用户消费趋向规律的绝对值范围；⑨鉴别上述两个平均距离之差在用户消费趋向规律绝对值范围之内；⑩认定该首新歌为用户喜欢的音乐。这样就能快捷有效的为用户提供其喜欢的音乐，使音乐提供商的音乐产品更具市场竞争力。

Description

一种音乐消费行为分析的方法

技术领域

本发明涉及一种辨别音乐数据的方法，从而发现用户音乐消费的喜好和规律，实现对音乐消费行为的分析。

背景技术

音乐是一门时间的艺术，音乐的发展是跟人类发展紧密相联的。古人云“感于物而动，故形于声”，这也说明音乐不是先天就有的，而是后天创造的。在汉武帝时期音乐美学思想代表作《乐记》中提到“乐者，心之动也”，认为音乐所表现的主要是情，又不限于情，也就是认为音乐既表现感情，又带有理性可分析的因素，但目前的音乐提供商并未对其音乐库进行符合消费者需求的、合理的、清晰全面的分类；每个人对音乐的喜好不同，在实际消费过程中，用户只有不断的试听音乐来收藏自己喜好音乐，效率极低，费时耗力；而音乐提供商并未对用户的消费记录进行采集及运用，无法在用户作出购买决定之前，准确的提供适合用户品位、消费规律的音乐产品给用户，满足用户的需求。

发明内容

针对以上存在的不足之处，本发明提供了一种合理清晰的音乐分类方法，能够充分的分析用户对各种音乐类型的喜好和需要，从而提供给用户真正喜欢的音乐，节约用户采购音乐产品的时间，使音乐提供商提供的音乐在市场化的运作中更具盈利能力。

为实现上述目的，本发明创造方案为：

一种音乐消费行为分析的方法，其特征在于包括以下步骤：①取得音乐库的每一首音乐作品的情感特征因子；②定义每一首音乐作品的每个情感特征因子的属性值；③根据每一首音乐的情感特征因子的属性值进行音乐消费情感分类，建立完整的消费情感特征音乐数据库；④根据用户实际消费音乐的记录结合所述的消费情感特征音乐库，运用关系数据库技术形成该用户音乐消费详细资料列表；⑤从该列表中音乐所包含的情感特征因子的属性值中，计算并提取属性值出现频率高的消费强相关情感特征因子；⑥计算提取的消费强相关情感特征因子的属性值所构成两两向量之间的欧氏空间距离，进而计算用户所消费音乐之间的平均距离；⑦计算一首新音乐与如上所述用户已消费音乐记录的每首音乐之间的欧氏距离，进而计算该新音乐与用户已消费音乐间的平均距离；⑧定义用户消费趋向规律的绝对值范围；⑨鉴别上述两个平均距离之差在用户消费趋向规律绝对值范围之内；⑩认定该首新歌为用户喜欢的音乐。

所述的情感特征因子包括音色、节奏、旋律、情感特性、调性色彩、情绪特征。

上述技术方案的有益之处在于：

由于每个人对音乐的喜好有所不同，运用上述的情感性分类方法结合用户音乐消费记录，能够明确地判断欣赏者喜好哪一类音乐类型，这样就能更有针对性地给用户提供其喜欢的音乐，节约用户采购音乐的时间，使音乐提供商的音乐产品更受市场的欢迎，更具竞争力。

附图说明

图1为本发明的方法及其运用流程图；

图2为用户音乐消费详细资料列表图。

具体实施方式

现结合附图和实施例说明本发明。

如图1所示：一种音乐消费行为分析的方法，其特征在于：其具体的分类方法包括以下操作步骤：①对音乐库的每一首音乐提取情感特征因子，所述的情感特征因子包括音色、节奏、旋律、情感特性、调性色彩、情绪特征；②定义每一首音乐每个情感特征因子的属性值；③根据每一首音乐的情感特征因子的属性值进行音乐消费情感归类，主要包括以下类别：1、忧伤抑郁类：共分为3类：忧郁类、思念类、惆怅苦闷类。这3类音乐中所表现的情绪主要以哀伤，抑郁为主。其中夹杂着一些其他情感特征为辅。详细定义如下：

1.1忧郁类：

情感特征因子音色的属性值为低沉；

情感特征因子节奏的属性值为柔和舒缓；

情感特征因子旋律的属性值为平稳；

情感特征因子情感特性的属性值为绝望；

情感特征因子调性色彩的属性值为小调；

情感特征因子情绪特征的属性值为伤感。

1.2思念类：

情感特征因子音色的属性值为柔和；

情感特征因子节奏的属性值为柔和舒缓；

情感特征因子旋律的属性值为级进；

情感特征因子情感特性的属性值为思念；

情感特征因子调性色彩的属性值为小调；

情感特征因子情绪特征的属性值为伤感。

1.3惆怅苦闷类：

情感特征因子音色的属性值为低沉；

情感特征因子节奏的属性值为柔和舒缓；

情感特征因子旋律的属性值为级进；

情感特征因子情感特性的属性值为忧愁；

情感特征因子调性色彩的属性值为小调；

情感特征因子情绪特征的属性值为伤感。

2、轻松愉快类：共分为3类：活泼类、欢快动情类、憧憬期盼类。在这3类音乐中所表现的情绪主要以欢乐的情绪为主，其中夹杂着一些其他情感特征为辅。

2.1活泼类：

情感特征因子音色的属性值为明亮；

情感特征因子节奏的属性值为活泼轻快；

情感特征因子旋律的属性值为跳进；

情感特征因子情感特性的属性值为活泼；

情感特征因子调性色彩的属性值为大小调；

情感特征因子情绪特征的属性值为欢快。

2.2欢乐动情类：

情感特征因子音色的属性值为柔和；

情感特征因子节奏的属性值为动感起伏；

情感特征因子旋律的属性值为级进；

情感特征因子情感特性的属性值为动情；

情感特征因子调性色彩的属性值为大小调；

情感特征因子情绪特征的属性值为欢快。

3、激情类：此类音乐单列一类，主要由于其包括的音乐，比较多，且相似的地方也比较明显。

3.1憧憬期盼类：

情感特征因子音色的属性值为明亮；

情感特征因子节奏的属性值为动感起伏；

情感特征因子旋律的属性值为跳进；

情感特征因子情感特性的属性值为希望；

情感特征因子调性色彩的属性值为大调；

情感特征因子情绪特征的属性值为激情。

3.2赞颂类：

情感特征因子音色的属性值为明亮；

情感特征因子节奏的属性值为动感起伏；

情感特征因子旋律的属性值为跳进；

情感特征因子情感特性的属性值为赞颂；

情感特征因子调性色彩的属性值为大调；

情感特征因子情绪特征的属性值为激情。

3.3.愤怒愤慨类：词类音乐以“怒”为情感主线，突出人们对世间种种不平的愤怒。

情感特征因子音色的属性值为明亮；

情感特征因子节奏的属性值为动感起伏；

情感特征因子旋律的属性值为跳进；

情感特征因子情感特性的属性值为仇恨；

情感特征因子调性色彩的属性值为大小调；

情感特征因子情绪特征的属性值为激情。

3.4另类：内容包含较广泛。但是由于另类作品并不是很多，因此将一些有别以上几类，并具有一些共同特征的音乐归为另类。

情感特征因子音色的属性值为明亮；

情感特征因子节奏的属性值为动感起伏；

情感特征因子旋律的属性值为平稳；

情感特征因子情感特性的属性值为饶舌；

情感特征因子调性色彩的属性值为小调；

情感特征因子情绪特征的属性值为欢快。

如此一来建立一完整、清晰、合理的消费情感特征音乐数据库。

根据用户消费音乐的记录结合所述的消费情感特征音乐库运用关系数据库技术形成该用户音乐消费详细资料列表如图2所示。从用户音乐消费详细资料列表中音乐所含的情感特征因子的属性值中，计算并提取属性值出现频率高的消费强相关情感特征因子，进而计算消费强相关情感特征因子的属性值所构成的两两向量之间的欧氏空间距离数据值，进而计算用户所消费音乐之间的平均距离。分析算法步骤如下：

1、在用户音乐消费记录的基础上，计算并提取属性值出现频率大于或等于60％的消费强相关感特征因子，当然，属性值出现频率百分比的确定取决于音乐供应商在实际操作中，基于其面对的不同消费群体对音乐消费需求的要求高低，提取其他出现频率百分比的属性值。如果所有音乐属性值的出现频率均小于60％，则保留并继续记录用户消费信息，直至音乐属性值的出现频率大于或等于60％，再提取并运用消费强相关情感特征因子。

2、假设一个用户消费了s首音乐，通过计算寻找到如上所述6个情感因子都为消费强相关情感特征因子，由情感因子权重值构成如下向量：

R₁＝(a₁，b₁，c₁，d₁，e₁，f₁)

R₂＝(a₂，b₂，c₂，d₂，e₂，f₂)

.......

R_s＝(a_s，b_s，c_s，d_s，e_s，f_s)

3、计算提取的消费强相关情感特征因子的属性值的两两间向量R_m和R_n之间的欧氏空间距离数据值：

D_(m，n)＝

((a_m-a_n)²+(b_m-b_n)²+(c_m-c_n)²+(d_m-d_n)²+(e_m-e_n)²+(f_m-f_n)

²)^1/2

进而计算该用户已消费音乐的平均距离：

Q＝∑D_(i，j)/(n！/(2(n-2)！))

其中i＝(1，2，3，...，n)，j＝(1，2，3，...，n)，i≠j，n！＝n(n-1)(n-2)...2*1

4、计算一首新音乐与已消费音乐间的平均距离，该平均距离的算法如下：

假设有一首新歌，根据该用户的消费强相关情感特征因子而形成的向量为R_x，那么该新歌与用户已消费音乐的平均距离是：

Q’＝(D_(1，x)+D_(2，x)+...+D_(n，x))/n

其中x≠(1，2，3，...，n)。

5、音乐提供商根据实际操作中面对的消费群体的不同，定义用户消费趋向规律绝对值范围；

6、鉴别上述两个平均距离之差在用户消费趋向规律绝对值范围之内，认定在该首新音乐为用户喜欢的音乐。

如此一来，音乐提供商就可以及时到位的向用户推荐用户喜欢的音乐，帮助用户快捷有效的在音乐海洋中寻找到自己喜欢的音乐，有效提升用户的消费满意度，使音乐提供商供应的音乐产品更受市场的欢迎，更具竞争力。

Claims

1.一种音乐消费行为分析的方法，其特征在于包括以下步骤：①取得音乐库的每一首音乐作品的情感特征因子；②定义每一首音乐作品的每个情感特征因子的属性值；③根据每一首音乐的情感特征因子的属性值进行音乐消费情感分类，建立完整的消费情感特征音乐数据库；④根据用户实际消费音乐的记录结合所述的消费情感特征音乐库，运用关系数据库技术形成该用户音乐消费详细资料列表；⑤从该列表中音乐所包含的情感特征因子的属性值中，计算并提取属性值出现频率大于等于60％的消费强相关情感特征因子；⑥计算提取的消费强相关情感特征因子的属性值所构成两两向量之间的欧氏空间距离，进而计算用户已消费音乐之间的平均距离；⑦计算一首新音乐与如上所述用户已消费音乐记录的每首音乐之间的欧氏距离，进而计算该新音乐与用户已消费音乐间的平均距离；⑧定义用户消费趋向规律的绝对值范围；⑨鉴别上述两个平均距离之差在用户消费趋向规律绝对值范围之内；⑩认定该首新歌为用户喜欢的音乐。

2.如权利要求1所述的一种音乐消费行为分析的方法，其特征在于：所述的情感特征因子包括音色、节奏、旋律、情感特性、调性色彩、情绪特征。

3.如权利要求1、2所述的一种音乐消费行为分析的方法，其特征在于：所述的音乐消费情感归类至少包括：调性色彩采用小调，情绪特征为伤感的忧伤抑郁类。

4.如权利要求1、2所述的一种音乐消费行为分析的方法，其特征在于：所述的音乐消费情感归类至少包括：调性色彩采用大小调，情绪特征为欢快的轻松愉快类。

5.如权利要求1、2所述的一种音乐消费行为分析的方法，其特征在于：所述的音乐消费情感归类至少包括：音色明亮，节奏动感欢快的激情类。

6.如权利要求3所述的一种音乐的分类方法及其运用，其特征在于：所述的忧伤抑郁类音乐至少包括：音色低沉、节奏柔和舒缓、旋律平稳、情感特性表现为绝望的忧郁类。

7.如权利要求3所述的一种音乐消费行为分析的方法，其特征在于：所述的忧伤抑郁类音乐至少包括：音色柔和、节奏柔和舒缓、旋律级进、情感特性表现为思念的思念类。

8.如权利要求3所述的一种音乐消费行为分析的方法，其特征在于：所述的忧伤抑郁类音乐至少包括：音色低沉、节奏柔和舒缓、旋律级进、情感特性表现为忧愁的惆怅苦闷类。

9.如权利要求4所述的一种音乐消费行为分析的方法，其特征在于：所述的轻松愉快类音乐至少包括：音色明亮、节奏活泼轻快、旋律跳进、感特性表现为活泼的活泼类。

10.如权利要求4所述的一种音乐消费行为分析的方法，其特征在于：所述的轻松愉快类音乐至少包括：音色柔和、节奏动感起伏、旋律级进、情感特性表现为动情的欢乐动情类。

11.如权利要求5所述的一种音乐消费行为分析的方法，其特征在于：所述的激情类音乐至少包括：旋律跳进、情感特性表现为希望、调性色彩采用大调、情绪特征激情的憧憬期盼类。

12.如权利要求5所述的一种音乐消费行为分析的方法，其特征在于：所述的激情类音乐至少包括：旋律跳进、情感特性表现为赞颂、调性色彩采用大调、情绪特征激情的赞颂类。

13.如权利要求5所述的一种音乐消费行为分析的方法，其特征在于：所述的激情类音乐至少包括：旋律跳进、情感特性表现为仇恨、调性色彩采用大小调、情绪特征激情的愤怒愤慨类。

14.如权利要求5所述的一种音乐消费行为分析的方法，其特征在于：所述的激情类音乐至少包括：旋律平稳、情感特性表现为饶舌、调性色彩采用小调、情绪特征欢快的另类。