CN104317865B - 一种基于音乐情感特征匹配的社交网络搜索交友方法 - Google Patents
一种基于音乐情感特征匹配的社交网络搜索交友方法 Download PDFInfo
- Publication number
- CN104317865B CN104317865B CN201410550116.2A CN201410550116A CN104317865B CN 104317865 B CN104317865 B CN 104317865B CN 201410550116 A CN201410550116 A CN 201410550116A CN 104317865 B CN104317865 B CN 104317865B
- Authority
- CN
- China
- Prior art keywords
- user
- music
- affective characteristics
- matching
- agent
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 230000008451 emotion Effects 0.000 title claims abstract description 53
- 238000000605 extraction Methods 0.000 claims abstract description 10
- 238000007418 data mining Methods 0.000 claims abstract description 7
- 230000009329 sexual behaviour Effects 0.000 claims abstract description 4
- 230000008569 process Effects 0.000 claims description 16
- 238000012790 confirmation Methods 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 10
- 238000009432 framing Methods 0.000 claims description 8
- 238000001228 spectrum Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 230000000737 periodic effect Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 description 9
- 238000003860 storage Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000002996 emotional effect Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 101100153581 Bacillus anthracis topX gene Proteins 0.000 description 1
- 102100024607 DNA topoisomerase 1 Human genes 0.000 description 1
- 101000830681 Homo sapiens DNA topoisomerase 1 Proteins 0.000 description 1
- 101150041570 TOP1 gene Proteins 0.000 description 1
- 241001122767 Theaceae Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004132 cross linking Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000008571 general function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
- G06F16/63—Querying
- G06F16/635—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
- G06F16/68—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/683—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Library & Information Science (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Computing Systems (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于音乐情感特征匹配的社交网络搜索交友方法，首先通过采集原始音乐信号进行信号处理后得到该音乐的原始情感特征，并根据该特征对用户日常阶段性行为进行数据挖掘，形成该用户的旋律情感特征码字；然后将出现频率最高的若干组旋律情感特征码字发送给音乐情感匹配MEM服务器，在用户注册后，根据不同用户的旋律情感特征码字计算情感特征匹配度；最后结合该注册用户的其他匹配约束条件，将符合条件的用户搜索出来并按情感特征匹配度推荐排序，供注册用户进行选择。本发明简化了音乐情感特征的提取过程，在社交网络的用户匹配挖掘中引入了音乐情感匹配因子，更加科学地实现社交网络交友匹配。
Description
技术领域
本发明涉及一种针对社交网络中注册用户自动提取音乐情感特征进行搜索匹配，以及为符合匹配约束条件的用户建立连接的方法，属于社交网络的组网技术领域。
背景技术
目前在社交网络在迅猛和蓬勃地发展，针对特定用户交流的数据挖掘技术也层出不穷，如何在海量的用户群中将符合特定需求的用户之间建立“连接”，是深化和丰富社交网络技术的一个重点。
102867020A公开了一种基于人物性格特征的交友匹配方法(申请号：201210267540.7，申请日：2012-07-30)，包括以下步骤：
(1)获取用户的性格特征，它包括以下两种获取方式：S11：用户主动输入自己主观判断的性格特征；S12：通过用户在手机上的操作动作来记录并分析判断其性格特征；
(2)用户的性格特征数据上传至服务器并保存；
(3)搜索并匹配性格特征相似的用户，它包括以下步骤：S21：请求用户发出搜索附近用户的请求；S22：定位该请求用户的地理位置并上传至服务器，服务器根据该请求用户的地理位置搜索与其距离较近的用户；S23：服务器通过计算分析这些距离较近的用户与此请求用户的性格符合度，筛选出性格符合度最高的几个匹配用户；
(4)服务器将筛选好的几个匹配用户发送至请求用户，并通知请求用户；
(5)服务器向请求用户发出“是否发送/接受交友请求”的提问；
(6)双方交友成功后开启信息交换。
该发明基于用户的性格特征进行交友匹配，对人物性格特征进行分类，为请求用户匹配到的是爱好相近、性格合适的用户。但是，该方案具有以下局限性：
1、在性格特征判断上，是通过用户访问的网站、搜索的关键字、在论坛或即时聊天工具上的发言及一段时间内访问某网站或论坛的次数进行分析判断；或者通过用户在微博、论坛等社交网络中的交流进行进一步分析判断。这样判断的样本量太多太杂，而且用户一段时期内用户访问的网站、搜索的关键字也会根据目前的热门事件或服务商推送的内容进行被动的选择，既不科学也很主观，不能客观的反映用户的性格特征。
2、在筛选性格符合度时是通过比较距离较近的用户与请求用户之间兴趣爱好的耦合指数，进而判断兴趣爱好耦合指数高的用户与请求用户之间的性格是否存在冲突之处，筛选出与请求用户之间没有性格冲突的用户，得到性格符合度最高的几个用户发送给请求用户。这样的方案使得距离较远的用户无法建立交友组网的目的。
喜好哪种类型的音乐是一种能很客观的反映一个人的性格特征的工具，剑桥大学心理博士贾森·伦特费劳在2011年11月22日指出喜好不同音乐的人，性格也不同，研究人员对25万名音乐爱好者调查发现：古典音乐爱好者安静友好但是不善于运动；摇滚乐迷，往往是天生反叛；流行音乐爱好者则传统，善于与人交往，但缺少智慧；电子音乐迷，表现为有一点点神经过敏；倘若你接交了新伙伴想简单了解新伙伴，通过他(她)所喜欢的音乐类型也是个有效的方法。
如何能更加科学和客观地实现特定用户之间建立社交联系，根据音乐情感特征与用户情感特征相匹配就是一种新的方案。但目前针对音乐情感特征进行分类，进而为用户建立社交联系的相关技术方案，还没有相关文献公开报道或刊出。
发明内容
本发明所要解决的技术问题是：为了更加科学和客观地实现特定用户之间建立社交联系，提出一种基于音乐情感特征匹配的社交网络搜索方法。
本发明为解决上述技术问题采用以下技术方案：
一种基于音乐情感特征匹配的社交网络搜索交友方法，具体步骤如下：
步骤A、采集原始音乐信号，进行信号处理后得到关于该音乐信号的半音高序列图，作为该音乐的原始情感特征；
步骤B、根据步骤A提取出的原始情感特征对用户日常阶段性行为进行数据挖掘，形成该用户的旋律情感特征码字；
步骤C、采用无线智能终端WIT上的用户代理Agent软件向服务器进行注册，并将出现频率最高的若干组旋律情感特征码字发送给服务器；
步骤D、用户注册成功后，采用服务器或安装在WIT上的用户代理Agent软件，根据不同用户的旋律情感特征码字计算用户之间的情感特征匹配度；结合该注册用户的其他匹配约束条件，将符合条件的用户搜索出来并按情感特征匹配度排序，推荐给注册用户进行选择。
进一步的，本发明的一种基于音乐情感特征匹配的社交网络搜索交友方法，步骤A具体包括如下步骤：
步骤A1、音频采集：将所有原始多媒体格式转换为标准的线性PCM格式以归一化处理；
步骤A2、分帧、加窗处理：采用海明窗模式对原始音乐信号进行样值序列分帧，得到若干基于时间序列的数据帧，并进行快速傅氏变换FFT，得到频率数据帧序列；
步骤A3、端点检测：在频域内，设定一检测门限对于步骤A2得到数据帧进行端点检测，判断是否为语音和音乐，将判断为语音的忽略处理，将判断为音乐的数据自乘以获得功率阵，并进行取对数变化获得对数功率谱；
步骤A4、提取基频：在对数功率谱中提取信号基频，并转化为半音，最终得到半音高序列图，作为该音乐的原始情感特征。
进一步的，本发明的一种基于音乐情感特征匹配的社交网络搜索交友方法，步骤B中用户的旋律情感特征码字形成过程如下：
步骤B1、划分每一时间段的原始半音高序列，统计其单位音符总数；
步骤B2、统计平均音高差，获得上限和下限；
步骤B3、按照预设的规则，以贝叶斯分类方法对单位音符数和平均音高差进行划档，重新归类，获取本首音乐的音乐情感特征；
步骤B4、对步骤B3获得情感特征进行HASH编码，生成用户旋律情感特征码字并保存。
进一步的，本发明的一种基于音乐情感特征匹配的社交网络搜索交友方法，步骤D中根据不同用户的旋律情感特征码字计算情感特征匹配度具体为：
步骤D1、统计每个用户出现频率最高的c组旋律情感特征码字，记录为TOPc，c为大于4的自然数；
步骤D2、利用步骤B3中的划档法，对不同用户提交的TOPc进行特征信息匹配，匹配公式如下：
其中，P为综合匹配度，n为旋律情感特征在TOPc中每组出现的次数，N为旋律情感特征在c组出现的总次数，m为每组的编号，{x1,y1}为特征数组；α为比例系数，由用户自行设定单位音符数以及平均音高差所占的权重决定。
进一步的，本发明的一种基于音乐情感特征匹配的社交网络搜索交友方法，步骤C的注册过程如下：
步骤C1、安装在无线智能终端WIT上的用户代理Agent首先向通过无线方式接入的服务器发出用户注册信息；注册成功后，服务器返回确认信息；
步骤C2、发送已注册用户当前最新的TOPc给服务器，服务器更新成功后返回确认信息；
步骤C3、通过用户代理Agent设置其他匹配约束条件给服务器，服务器更新成功后返回确认信息，其他匹配约束条件包括性别、年龄段、爱好以及对地域、地理距离门限的信息。
进一步的，本发明的一种基于音乐情感特征匹配的社交网络搜索交友方法，在执行步骤D时，采用以下方式进行：
步骤E1.1、两个或以上的WIT终端关闭网络在线功能，直接通过无线终端的短距离无线通信接口进行数据传输；
步骤E1.2、主用户的代理Agent以周期信号模式发出广播消息；
步骤E1.3、接收到广播消息的从用户的代理Agent发出握手信号，对方发出确认消息；
步骤E1.4、从用户的代理Agent提交自己的TOPc情感特征码字序列，由主用户的代理Agent进行情感特征匹配度计算，并结合双方用户提交的其他匹配约束条件，确定是否匹配成功：如果匹配成功后，主用户的代理Agent发出匹配成功消息，将主用户联系方式发送给从用户的代理Agent，从用户的代理Agent返回包含从用户联系方式的确认消息。
进一步的，本发明的一种基于音乐情感特征匹配的社交网络搜索交友方法，在执行步骤D时，采用以下方式进行：
步骤E2.1、多个用户的WIT终端以无线3G/4G接入在线MEM服务器，通过用户代理Agent获得地理位置信息，已注册用户的代理Agent首先需要登录MEM服务器服务器；
步骤E2.2、多个在线用户实时更新用户原先设置的交友匹配约束条件，并实时发送地址位置信息给MEM服务器；
步骤E2.3、MEM服务器对当前在线用户进行多用户情感特征匹配度计算，同时对比地理位置信息数据，根据具体匹配约束条件获得最佳匹配推荐；
步骤E2.4、搜索匹配成功后，MEM服务器将相应信息发送给相关WIT终端的用户代理Agent。
进一步的，本发明的一种基于音乐情感特征匹配的社交网络搜索交友方法，步骤A2中是以30ms为单一帧，采用重叠系数为1/3的海明窗模式对原始音乐文件进行样值序列分帧。
进一步的，本发明的一种基于音乐情感特征匹配的社交网络搜索交友方法，所述步骤A3中检测门限为短时帧的平均能量的10％，即：其中ET为门限值，Xn为音乐帧的频点幅值，N为音乐帧的频点数，m为编号，m取0到N－1。
进一步的，本发明的一种基于音乐情感特征匹配的社交网络搜索交友方法，所述c的取值为5。
本发明将在深入用户日常行为模式中的“听音乐”场景下，通过对用户日常所听过的音乐进行情感特征分析，最终提取出用户相对稳定的音乐情感码字，利用社交网络的共享特性，将符合匹配约束条件的用户搜索出来并推荐排序，供注册用户进行选择是否需要交友。
本发明采用以上技术方案与现有技术相比，具有以下技术效果：
1、通过对用户日常所听过的音乐进行情感特征分析，提取出用户相对稳定的音乐情感码字，简化了音乐情感特征的提取过程，对体现“正能量”的音乐情感进行特征分类。
2、在社交网络的用户匹配挖掘中引入了音乐情感匹配因子。利用社交网络的共享特性，最终将符合匹配约束条件的用户搜索出来并推荐排序，供注册用户进行选择是否需要交友，相比现有技术，更加科学和具有实用性。
3、引入了两种交友模式，保证在离线场景下，用户依然可以通过本机的无线信号进行搜索交友，并可以提供实时在线用户的基于地理位置信息的交友匹配。
附图说明
图1是本发明的总体功能实现框图。
图2是音乐的半音高序列流程图。
图3是音乐情感特征分类图。
图4是用户代理(Agent)的注册过程图。
图5是“邂逅”模式交友流程图。
图6是“守候”模式交友流程图。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明：
本技术领域技术人员可以理解的是，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
目前针对音乐情感分类(Music Emotional Classification)的技术也比较丰富，这些技术对所有的音乐的情感特征进行分类，比如将情感类别分为“高兴”，“惊奇”，“悲伤”，“恐惧”四类，Thayer模型也按照二维空间，按照能量划分为平静到活力，按照压力划分为快乐到压力，并由此音乐情感进行分类，这些技术为本发明提供了一定的底层技术实现参考。
本发明主要针对传递“正能量”，将过滤掉“恐惧”，“焦虑”，“暴力”等分类的情感音乐，采用SVM模式对传递“正能量”的优美、欢快、宁静、舒缓的音乐进行单音程简化提取，缩短音乐情感序列的提取处理时间，得到并记录用户情感序列。随着对用户情感序列数据的阶段性积累，挖掘中用户在音乐喜爱上的情感主特征。
用户启动代理(Agent)进程后，需要设置自己的音乐情感指数匹配容限，然后启动无线短距的“邂逅”模式，或者实时在线的“守候”模式，均可以在特定场景下搜索和匹配用户。
如图1所示，本发明提出“邂逅”和“守候”两种场景模式下，基于音乐情感的社交网络搜索方法，具体在实现过程中包括对用户日常收听音乐信号进行情感特征提取过程、对用户日常阶段性行为进行数据挖掘形成用户情感主特征码字、用户情感特征码字的匹配过程，用户注册及匹配容限设置过程、“邂逅”模式下的用户搜索过程、“守候”模式下的用户搜索过程，最终为当前的社交网络提供一种新的搜索交友方法。
具体实施步骤如下：
A、音乐信号情感特征提取过程，包括音频采集、分帧处理、加窗处理、FFT变换、端点检测、信号自乘、取对数及对数功率谱、提取基频，转化成半音，形成半音高序列图，如图2所示，具体描述如下：
步骤A1、对能判定音频文件格式的采集将所有原始多媒体格式(MP3，MP4，OGG等)直接转换为标准的线性PCM格式，对无法识别的音频格式，则通过对声卡的输出缓冲区(AC-3格式)的进行读取，最终待处理音频格式为采样频率44.1KHz，单声道，每样值线性量化为16bit。
步骤A2、对模拟语音信号进行分帧，选择30ms为一帧，采用重叠系数为1/3的海明(Hamming)窗模式对原始音乐文件进行样值序列分帧，得到基于时间序列的数据帧，并对每帧进行快速傅氏变换(FFT)，得到频率数据帧序列，FFT变换公式为，其中：N是连续N个时域分组总数，N为自然数，k为连续频点序号，x(j)是j时刻的采样值，wN＝e(-2πi/N)，得到频域矩阵{H(i,j)}。
步骤A3、为了过滤步骤A1中读取声卡可能产生的语音帧，对步骤A2得到数据帧进行端点检测，检测门限为短时帧的平均能量的10％，其中ET为门限值，Xn为音乐帧的频点幅值，共有N点，编号从m＝0到N－1，此过程主要判断是否为语音和音乐，将判断为语音的忽略处理，将判断为音乐的数据自乘以获得功率阵，并进行取对数变化获得对数功率谱。
步骤A4、在对数功率谱中提取信号基频，并转化为半音，最终得到半音高序列图，作为该音乐的原始情感特征，单个半音高的值获取公式为Semitone＝12×log2(freq/440)+69，其中freq为基频值(Hz为单位)。
B、用户情感特征码字形成过程如下，见图3：
步骤B1、划分每一时间段(设置为1分钟)的原始半音高序列，统计其单位音符总数；
步骤B2、统计平均音高差，获得上限和下限，
步骤B3、按照预设的规则，以贝叶斯分类方法进行划档，下面对划档规则举实施例如下：
(1)档位范围1～10，
(2)旋律特征划档：假定一分钟内音符数旋律特征划档：假定一分钟内的音符数经过大量统计分布在120-300之间。则音符数在120-137之间的为第1档，138-156为第2档，以此类推。对于极个别在划档范围外的样本，则自动向上或向下对齐，即小于120的划为第1档，大于300的划为第10档。平均音高差的划分同样以此划分。由此获取本首音乐的音乐情感特征。
步骤B4、将步骤B3划分出的单位音符数档位和平均音高差档位组成一个二维数组{单位音符数档位，平均音高差档位}上传到服务器，并将终端用户旋律特征的Hash值保留在服务器中，同时在无线终端保留Hash值的ID。
C、情感特征匹配度计算：
步骤C1、由于用户听取音乐种类的随机性，因此需要对所有记录下来的情感旋律特征进行数据挖掘，以获得用户最喜爱的音乐特征的，因此统计用户出现频率最高的5个旋律情感特征码字，记录为TOP5，
步骤C2、利用步骤3中的划档法，对不同用户提交的旋律TOP5特征进行逐个匹配，匹配方法公式如下：
公式加权计算了TOP 5的综合匹配度，其中n为TOP 5中每组出现的次数，N为5组出现的总次数，m为每组的编号，{x1,y1}为特征数组。α为比例系数，由用户自行设定单位音符数以及平均音高差所占的权重。
音乐情感匹配门限可由具体用户设置，比如设置为15％，则匹配法则为容差范围内
此步骤主要匹配用户音乐情感耦合度，在具体的运行模式下，还要根据用户的具体设置加上其他约束条件进行匹配。主要包括：
(1)性别；(2)年龄段；(3)主要爱好；(4)地理信息域；(5)特殊要求。
最终匹配判决为每个约束条件引入了拒绝因子Ki,i＝{1,N},Ki＝{0,1}，其中Ki为用户对第i项约束所设置的匹配影响加权因子，值“1”表示为必须完全一致，“0”表示可以不一致，用户未设置该项约束条件则默认为“0”，N为该用户所提交全部约束条件的总数。
最终匹配成功判决条件为：
其中Ai和Bi是两个用户的某一约束条件，M，N为A,B用户的约束条件总数，Ki是A,B用户所设定的拒绝因子综合而成，相同约束条件的拒绝因子只要有一个为“1”，则Ki＝1。
D、用户代理(Agent)的注册过程，如图4示意，具体如下：
D1初次使用的用户需下载并安装代理Agent组件(通常以APK模式)，安装在无线智能终端(WIT，Wireless Intelligent Terminal)上的代理(Agent)软件首先向通过WiFi/3G接入的服务器(Server)发出用户注册信息，包括账号，密码等；注册成功后，返回确认信息；
D2，已授权用户需要发送当前最新的TOP5(即5组最新的情感信息码字HASH值ID)给服务器，服务器更新成功后返回确认信息；
D3、用户刷新设置自己的交友约束条件，以及对地域，方位等的要求信息，如用户代理未设置，默认为纯音乐情感搜索交友。
E、“邂逅”交友模式，如图5示意，具体如下：
步骤E1、两个或以上的WIT终端关闭网络在线功能，直接通过无线终端的WIFI无线接口(需要在终端上进行开启WIFI并设置为Peer-to-Peer模式)，也可以启动蓝牙(Bluetooth)模式，单蓝牙模式的搜索范围较小，约为视距25米圆周内。
步骤E2、主从Agent都以周期信号模式发出“邂逅”广播消息，消息格式为：
| 协议标志 | 消息长度 | 消息类型 | top1特征ID |
其中“协议标志”为一个字节：定为十六进制“A5”，“消息长度”为两个字节，表示后续消息的总长度，不含“协议标志”字段，“消息类型”为一个字节，标识不同的消息，此处为01，代表广播请求消息，“TOP1特征ID”为该用户情感特征中排名第一的ID；
步骤E3、接收到“邂逅”广播消息的从Agent发出握手信号，对方发出确认消息；
确认消息格式为：
| A5 | 0001 | 7E |
，0001标识消息长度为1个字节，7E表示消息类型为确认消息。
从Agent根据用户具体设置决定是否提交约束条件，提交给主Agent的主要参数选项有
性别(男，女，无)
年龄段(上限，下限)
个人爱好(阅读，运动，饮食，旅游，音乐，饮茶，影视，数据，服饰)
特殊要求(直接由用户输入个性化要求，补充上述分类无法涵盖的内容)。
步骤E4，从Agent提交自己的TOP5情感特征码字序列，由主Agent按照步骤C进行匹配，结合用户提交的约束条件，确定是否匹配成功。
步骤E5，如果匹配成功后，发出匹配成功消息，将用户当前的SIM卡号码捎带发出，对方返回的确认消息也捎带SIM卡号码。消息格式如下，1A表示消息类型为匹配成功，“13812345678”为SIM电话号码。
| A5 | 000C | 1A | 13812345678 |
F,“守候”交友模式，如图6所示：
步骤F1,“守候”交友模式是以无线3G/4G接入在线服务器完成的功能，服务器可以为一种MEM(Music Emotion Matching，音乐情感匹配)服务器，用户代理Agent发布实时地理位置信息(GPS/北斗接口来返回)，已注册Agent首先需要登录MEM服务器(Server)。
步骤F2，多个在线用户实时更新用户原先设置的交友匹配约束条件，并实时发送地理位置信息到MEM服务器，此处地理位置信息几个常用参数集合为{纬度X，经度Y，精度Z，前进方向，前进速度，获取时间}
步骤F3，MEM服务器Server对当前在线用户进行多用户情感特征匹配，具体步骤见步骤C,在符合用户设置的匹配条件后，对匹配成功的用户的地理位置信息进行计算，计算出这用户之间的距离和方位，参数包括{距离，容差，方位，上次更新时间}。
距离的计算公式为L1＝sqrt{(X1-X2)2+(Y1-Y2)2}
步骤F4，搜索匹配成功后，当发现匹配成功的用户的地理距离恰好满足用户需要的圆周之内，才将符合要求的推荐信息发送给对应的用户Agent，消息在步骤E5的基础上增加了{距离，容差，方位，上次更新时间}的参数，以供用户选择是否进行下一步的交友活动。
由此，本发明提出了一种主要针对音乐情感匹配的社交网络搜索交友方法，对当前社交网络用户中希望搜索在对音乐情感匹配上获知交友信息。对用户日常所收听的音乐信号进行提取，并数据挖掘形成用户情感主特征，包含两种主要的搜索交友模式，“邂逅”模式下的主动搜索，“守候”模式下的MEM服务器针对地理位置上最近的用户的搜索推荐，为将虚拟的社交网络用户交友在地理上提供了真实的面对面的接触的最大可能。
本技术领域技术人员可以理解的是，本发明可以涉及用于执行本申请中所述操作中的一项或多项操作的设备。所述设备可以为所需的目的而专门设计和制造，或者也可以包括通用计算机中的已知设备，所述通用计算机有存储在其内的程序选择性地激活或重构。这样的计算机程序可以被存储在设备(例如，计算机)可读介质中或者存储在适于存储电子指令并分别耦联到总线的任何类型的介质中，所述计算机可读介质包括但不限于任何类型的盘(包括软盘、硬盘、光盘、CD-ROM、和磁光盘)、随机存储器(RAM)、只读存储器(ROM)、电可编程ROM、电可擦ROM(EPROM)、电可擦除可编程ROM(EEPROM)、闪存、磁性卡片或光线卡片。可读介质包括用于以由设备(例如，计算机)可读的形式存储或传输信息的任何机构。例如，可读介质包括随机存储器(RAM)、只读存储器(ROM)、磁盘存储介质、光学存储介质、闪存装置、以电的、光的、声的或其他的形式传播的信号(例如载波、红外信号、数字信号)等。
本技术领域技术人员可以理解的是，可以用计算机程序指令来实现这些结构图和/或框图和/或流图中的每个框以及这些结构图和/或框图和/或流图中的框的组合。可以将这些计算机程序指令提供给通用计算机、专业计算机或其他可编程数据处理方法的处理器来生成机器，从而通过计算机或其他可编程数据处理方法的处理器来执行的指令创建了用于实现结构图和/或框图和/或流图的框或多个框中指定的方法。
本技术领域技术人员可以理解的是，本发明中已经讨论过的各种操作、方法、流程中的步骤、措施、方案可以被交替、更改、组合或删除。进一步地，具有本发明中已经讨论过的各种操作、方法、流程中的其他步骤、措施、方案也可以被交替、更改、重排、分解、组合或删除。进一步地，现有技术中的具有与本发明中公开的各种操作、方法、流程中的步骤、措施、方案也可以被交替、更改、重排、分解、组合或删除。
以上所述仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种基于音乐情感特征匹配的社交网络搜索交友方法，其特征在于：具体步骤如下：
步骤A、采集原始音乐信号，进行信号处理后得到关于该音乐信号的半音高序列图，作为该音乐的原始情感特征；
步骤B、根据步骤A提取出的原始情感特征对用户日常阶段性行为进行数据挖掘，形成该用户的旋律情感特征码字；其中，用户的旋律情感特征码字形成过程如下：
步骤B1、划分每一时间段的原始半音高序列，统计其单位音符总数；
步骤B2、统计平均音高差，获得上限和下限；
步骤B3、按照预设的规则，以贝叶斯分类方法对单位音符数和平均音高差进行划档，重新归类，获取本首音乐的音乐情感特征；
步骤B4、对步骤B3获得情感特征进行HASH编码，生成用户旋律情感特征码字并保存；
步骤C、采用无线智能终端WIT上的用户代理Agent软件向服务器进行注册，并将出现频率最高的若干组旋律情感特征码字发送给服务器；
步骤D、用户注册成功后，采用服务器或安装在WIT上的用户代理Agent软件，根据不同用户的旋律情感特征码字计算用户之间的情感特征匹配度；结合该注册用户的其他匹配约束条件，将符合条件的用户搜索出来并按情感特征匹配度排序，推荐给注册用户进行选择；
其中，根据不同用户的旋律情感特征码字计算情感特征匹配度具体为：
步骤D1、统计每个用户出现频率最高的c组旋律情感特征码字，记录为TOPc，c为大于4的自然数；
步骤D2、利用步骤B3中的划档法，对不同用户提交的TOPc进行特征信息匹配，匹配公式如下：
其中，P为综合匹配度，n为旋律情感特征在TOPc中每组出现的次数，N为旋律情感特征在c组出现的总次数，m为每组的编号，{x1m,y1m}、{x2m,y2m}分别为第m组匹配时的两位用户的旋律情感特征数组，其中x、y分别代表单位音符数和平均音高差；α为比例系数，由用户自行设定单位音符数以及平均音高差所占的权重决定。
2.根据权利要求1所述的一种基于音乐情感特征匹配的社交网络搜索交友方法，其特征在于：步骤A具体包括如下步骤：
步骤A1、音频采集：将所有原始媒体格式转换为标准的线性PCM格式以归一化处理；
步骤A2、分帧、加窗处理：采用海明窗模式对原始音乐信号进行样值序列分帧，得到若干基于时间序列的数据帧，并进行快速傅氏变换FFT，得到频率数据帧序列；
步骤A3、端点检测：在频域内，设定一检测门限对于步骤A2得到数据帧进行端点检测，判断是否为语音和音乐，将判断为语音的忽略处理，将判断为音乐的数据自乘以获得功率阵，并进行取对数变化获得对数功率谱；
步骤A4、提取基频：在对数功率谱中提取信号基频，并转化为半音，最终得到半音高序列图，作为该音乐的原始情感特征。
3.根据权利要求1所述的一种基于音乐情感特征匹配的社交网络搜索交友方法，其特征在于：步骤C的注册过程如下：
步骤C1、安装在无线智能终端WIT上的用户代理Agent首先向通过无线方式接入的服务器发出用户注册信息；注册成功后，服务器返回确认信息；
步骤C2、发送已注册用户当前最新的TOPc给服务器，服务器更新成功后返回确认信息；
步骤C3、通过用户代理Agent设置其他匹配约束条件给服务器，服务器更新成功后返回确认信息，其他匹配约束条件包括性别、年龄段、爱好以及对地域、地理距离门限的要求信息。
4.根据权利要求3所述的一种基于音乐情感特征匹配的社交网络搜索交友方法，其特征在于：在执行步骤D时，采用以下方式进行：
步骤E1.1、两个或以上的WIT终端关闭网络在线功能，直接通过无线终端的短距离无线通信接口进行数据传输；
步骤E1.2、主用户的代理Agent以周期信号模式发出广播消息；
步骤E1.3、接收到广播消息的从用户的代理Agent发出握手信号，对方发出确认消息；
步骤E1.4、从用户的代理Agent提交自己的TOPc情感特征码字序列，由主用户的代理Agent进行情感特征匹配度计算，并结合双方用户提交的其他匹配约束条件，确定是否匹配成功：如果匹配成功后，主用户的代理Agent发出匹配成功消息，将主用户联系方式发送给从用户的代理Agent，从用户的代理Agent返回包含从用户联系方式的确认消息。
5.根据权利要求3所述的一种基于音乐情感特征匹配的社交网络搜索交友方法，其特征在于：在执行步骤D时，采用以下方式进行：
步骤E2.1、多个用户的WIT终端以无线3G/4G接入在线MEM服务器，通过用户代理Agent获得地理位置信息，已注册用户的代理Agent首先需要登录MEM服务器；
步骤E2.2、多个在线用户实时更新用户原先设置的交友匹配约束条件，并实时发送地址位置信息给MEM服务器；
步骤E2.3、MEM服务器对当前在线用户进行多用户情感特征匹配度计算，同时对比地理位置信息数据，根据具体匹配约束条件获得最佳匹配推荐；
步骤E2.4、搜索匹配成功后，MEM服务器将相应信息发送给相关WIT终端的用户代理Agent。
6.根据权利要求2所述的一种基于音乐情感特征匹配的社交网络搜索交友方法，其特征在于：步骤A2中是以30ms为单一帧，采用重叠系数为1/3的海明窗模式对原始音乐文件进行样值序列分帧。
7.根据权利要求2所述的一种基于音乐情感特征匹配的社交网络搜索交友方法，其特征在于：所述步骤A3中检测门限为短时帧的平均能量的10％，即：其中ET为门限值，Xn为音乐帧的频点幅值，N为音乐帧的频点数，m为编号，m取0到N-1。
8.根据权利要求1所述的一种基于音乐情感特征匹配的社交网络搜索交友方法，其特征在于：所述c的取值为5。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410550116.2A CN104317865B (zh) | 2014-10-16 | 2014-10-16 | 一种基于音乐情感特征匹配的社交网络搜索交友方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410550116.2A CN104317865B (zh) | 2014-10-16 | 2014-10-16 | 一种基于音乐情感特征匹配的社交网络搜索交友方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104317865A CN104317865A (zh) | 2015-01-28 |
| CN104317865B true CN104317865B (zh) | 2017-06-09 |
Family
ID=52373097
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410550116.2A Active CN104317865B (zh) | 2014-10-16 | 2014-10-16 | 一种基于音乐情感特征匹配的社交网络搜索交友方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104317865B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106161184A (zh) * | 2015-03-30 | 2016-11-23 | 重庆邮电大学 | 消息交互方法和即时通讯服务器及通信系统 |
| US10997226B2 (en) * | 2015-05-21 | 2021-05-04 | Microsoft Technology Licensing, Llc | Crafting a response based on sentiment identification |
| CN106447504B (zh) * | 2016-09-05 | 2020-06-09 | 杭州网易云音乐科技有限公司 | 一种交友的方法和装置 |
| CN106448652A (zh) * | 2016-09-12 | 2017-02-22 | 珠海格力电器股份有限公司 | 空调器的控制方法和装置 |
| CN106507278A (zh) * | 2016-11-01 | 2017-03-15 | 佳禾智能科技股份有限公司 | 耳机社交互动方法 |
| CN108304426B (zh) * | 2017-04-27 | 2021-12-17 | 腾讯科技（深圳）有限公司 | 标识的获取方法及装置 |
| CN107943931A (zh) * | 2017-11-22 | 2018-04-20 | 上海心灵伙伴览育信息技术有限公司 | 来访者与咨询师的匹配方法及系统 |
| CN109829050B (zh) * | 2019-01-30 | 2020-05-01 | 龙马智芯（珠海横琴）科技有限公司 | 一种语言练习方法、装置及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101140656A (zh) * | 2006-09-04 | 2008-03-12 | 张德富 | 一种音乐消费行为分析的方法 |
| CN103279533A (zh) * | 2013-05-31 | 2013-09-04 | 北京华悦博智科技有限责任公司 | 一种社交关系推荐方法及系统 |
| CN103327045A (zh) * | 2012-03-21 | 2013-09-25 | 腾讯科技（深圳）有限公司 | 社交网络中的用户推荐方法和系统 |
-
2014
- 2014-10-16 CN CN201410550116.2A patent/CN104317865B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101140656A (zh) * | 2006-09-04 | 2008-03-12 | 张德富 | 一种音乐消费行为分析的方法 |
| CN103327045A (zh) * | 2012-03-21 | 2013-09-25 | 腾讯科技（深圳）有限公司 | 社交网络中的用户推荐方法和系统 |
| CN103279533A (zh) * | 2013-05-31 | 2013-09-04 | 北京华悦博智科技有限责任公司 | 一种社交关系推荐方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| "从Last.fm看新一代音乐社交网站的走向";李炜;《中国传媒科技》;20131025;第105-106页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104317865A (zh) | 2015-01-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104317865B (zh) | 一种基于音乐情感特征匹配的社交网络搜索交友方法 | |
| RU2745632C1 (ru) | Серверное устройство автоматизированного ответа, оконечное устройство, система ответа, способ ответа и программа | |
| CN103970873B (zh) | 一种音乐推荐方法和系统 | |
| KR102100976B1 (ko) | 스택 데이터 구조 백그라운드의 디지털 어시스턴트 프로세싱 | |
| Pettijohn et al. | The language of lyrics: An analysis of popular Billboard songs across conditions of social and economic threat | |
| CN101690109B (zh) | 用于使用外部过程的目标性内容分发的用户简档产生架构 | |
| CN101690105B (zh) | 用于在移动环境中使用具有可变置信水平的简档属性提供目标性信息的方法和系统 | |
| CN102541981B (zh) | 追踪在线社交行为来增强搜索体验 | |
| CN102970326B (zh) | 一种用于共享用户的情绪指示信息的方法和设备 | |
| CN108021568B (zh) | 一种歌单推荐方法及装置 | |
| Tomintz et al. | The geography of smoking in Leeds: estimating individual smoking rates and the implications for the location of stop smoking services | |
| US20090259606A1 (en) | Diversified, self-organizing map system and method | |
| CN102859967A (zh) | 用于基于用户交互数据来估计用户特征的方法和设备 | |
| CN109074802A (zh) | 分组化音频信号的调制 | |
| CN107123057A (zh) | 用户推荐方法及装置 | |
| CN107146611A (zh) | 一种语音响应方法、装置及智能设备 | |
| CN103620637B (zh) | 对于精简空间情境信息的音频呈现 | |
| KR20100094897A (ko) | 감성정보 서비스 시스템 및 방법 | |
| CN106971009A (zh) | 语音数据库生成方法及装置、存储介质、电子设备 | |
| CN107609185A (zh) | 用于poi的相似度计算的方法、装置、设备和计算机可读存储介质 | |
| CN112131472A (zh) | 信息推荐方法、装置、电子设备和存储介质 | |
| CN102651719A (zh) | 用于在消息交互环境中跟踪消息话题的方法和设备 | |
| CN112104642A (zh) | 一种异常账号确定方法和相关装置 | |
| CN107809370A (zh) | 用户推荐方法及装置 | |
| Shang et al. | CCMR: A classic-enriched connotation-aware music retrieval system on social media with visual inputs |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |