CN105718566A - 一种智能音乐推荐系统 - Google Patents

Abstract

本发明实施例公开了一种智能音乐推荐系统，其中，该系统包括：初始化模块，用于构建歌曲距离网络和初始化个人歌曲库；播放模块，用于判断当前场景，根据个人歌曲库中歌曲与场景相对应的权值获取歌曲播放的概率，对歌曲进行播放，同时获取用户反馈并修改权值；调整模块，用于调整歌曲距离网络和调整个人歌曲库。在本发明实施例中，建立包含音乐之间数值化的关联关系的音乐网络，在网络中找到与种子歌曲关联性强的歌曲并以此建立个人歌曲库。实现个人歌曲库的智能化调整，使歌曲库能够越来越贴近用户的喜好；可以提高音乐关联值的准确度，并为用户生成个性化音乐库，并根据用户的喜欢自行调整推荐的歌曲，提高推荐的相关度。

Description

一种智能音乐推荐系统

技术领域

本发明涉及信息处理技术领域，尤其涉及一种智能音乐推荐系统。

背景技术

在音乐软件领域内：在诸如QQ音乐、网易云音乐、百度音乐、酷我音乐等音乐软件中都存在喜好推荐的功能，通过其内部的一系列算法找出用户可能喜欢的歌曲，并显示在推荐页面上。其判断用户喜好类型的方式大致有两种，其一为根据用户的历史播放记录，并结合记录中歌曲包含的标签(TAG)匹配拥有相似标签的歌曲；其二为根据用户自主选择的种子歌曲，在其所建的数值化的歌曲网络内寻找关联度高的歌曲进行推荐。各个音乐软件在推荐方法上都较为类似，现有一种音乐推荐方法，具体流程为，首先分析音乐相关数据源，并使用该专利提供的算法计算歌曲两两之间的关联值。在需要向用户推荐歌曲时，获取与用户兴趣相关的音乐作为种子，并将与种子关联值最高的音乐推荐给用户。

现有技术存在以下缺点：

(1)其对音乐关联值的算法不够全面，因此计算获得的数值与音乐间的真实关联度存在差距。

(2)由于其在每次推荐时只寻找关联值最大的歌曲推荐给用户，因此连续使用时其推荐的歌曲将离散地分布在用户喜爱区域的上下，不能达到为用户生成一个个性化音乐库的目的。

(3)每次推荐都是由相同数据得到的相似结果，缺乏变化性，当推荐歌曲与用户的喜好有所差距时不能自行对其调整使得下次推荐更加精确。

发明内容

本发明的目的在于克服现有技术的不足，本发明提供了一种智能音乐推荐系统，可以提高音乐关联值的准确度，并为用户生成个性化音乐库，并根据用户的喜欢自行调整推荐的歌曲，提高推荐的相关度。

为了解决上述问题，本发明提出了一种智能音乐推荐系统，所述系统包括：

初始化模块，用于构建歌曲距离网络和初始化个人歌曲库；

播放模块，用于判断当前场景，根据个人歌曲库中歌曲与场景相对应的权值获取歌曲播放的概率，对歌曲进行播放，同时获取用户反馈并修改权值；

调整模块，用于调整歌曲距离网络和调整个人歌曲库。

优选地，所述初始化模块包括：

获取单元，用于获取音乐相关数据源；

计算单元，用于计算歌曲a、b之间的关联值f[a,b]，并计算歌曲a、b的距离d[a,b]；

构建单元，用于以歌曲a、b距离d[a,b]作为边的权值构建歌曲距离网络。

优选地，所述数据源的形式为：

B＝{U_i|i＝1,2,3...}

U_i＝{L_i|i＝1,2,3...}

L_i＝{s_i|i＝1,2,3...}

其中：B为用户集，U_i为用户集中的用户，L_i为用户拥有的歌单，s_i为歌单中的歌曲。

优选地，所述初始化模块还包括：

界面生成单元，用于生成用户界面，供用户根据其个人喜好选定若干首歌曲作为歌曲种子集合Z；

初始化单元，用于初始化Z中歌曲的场景权值向量W_z＝{CZ,CZ,CZ,...,CZ}，其中，CZ为场景权值初始化常数；并通过Z初始化N中其它歌曲的场景权值向量；

个人歌曲库生成单元，用于选取N中歌曲场景向量大于阈值CW的歌曲，加入个人歌曲库。

优选地，所述播放模块包括：

判断单元，用于根据用户所在的位置、当前时间段和用户的状态判断用户所处的场景；

概率获取单元，用于根据个人歌曲库中歌曲与场景相对应的权值获取歌曲播放的概率；

播放单元，用于根据歌曲播放概率对从个人歌曲库中选取歌曲进行播放；

反馈单元，用于通过获取用户对播放歌曲喜好程度的反馈，并将反馈进行量化得到反馈值。

优选地，所述调整模块包括：

网络调整单元，用于获取当前所有用户的个人歌曲库，将其与初始化模块的音乐相关数据源结合，重新构建歌曲距离网络；

歌曲库调整单元，用于调整个人歌曲库。

在本发明实施例中，建立包含音乐之间数值化的关联关系的音乐网络，并通过该网络在用户选定几首喜欢的歌曲后，在网络中找到与种子歌曲关联性强的歌曲并以此建立个人歌曲库，根据关联度和场景相关关系分配库中歌曲权值，作为播放时的选择依据。播放过程中通过用户反馈调整权值，实现个人歌曲库的智能化调整，使歌曲库能够越来越贴近用户的喜好；可以提高音乐关联值的准确度，并为用户生成个性化音乐库，并根据用户的喜欢自行调整推荐的歌曲，提高推荐的相关度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1是本发明实施例的智能音乐推荐系统的结构组成示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供一种智能音乐推荐系统，如图1所示，该系统包括：

初始化模块1，用于构建歌曲距离网络和初始化个人歌曲库；

播放模块2，用于判断当前场景，根据个人歌曲库中歌曲与场景相对应的权值获取歌曲播放的概率，对歌曲进行播放，同时获取用户反馈并修改权值；

调整模块3，用于调整歌曲距离网络和调整个人歌曲库。

其中，初始化模块1包括：

获取单元，用于获取音乐相关数据源；

计算单元，用于计算歌曲a、b之间的关联值f[a,b]，并计算歌曲a、b的距离d[a,b]；

构建单元，用于以歌曲a、b距离d[a,b]作为边的权值构建歌曲距离网络。

本发明实施例中，数据源的形式为：

B＝{U_i|i＝1,2,3...}

U_i＝{L_i|i＝1,2,3...}

L_i＝{s_i|i＝1,2,3...}

其中：B为用户集，U_i为用户集中的用户，L_i为用户拥有的歌单，s_i为歌单中的歌曲。

计算单元在计算歌曲a、b之间的关联值f[a,b]的过程中，初始化时，f[a,b]＝0；若a∈L_i且b∈L_i，则f[a,b]＝f[a,b]+CL；

若a∈L_i，b∈L_j且L_i,L_j∈U_k，则f[a,b]＝f[a,b]+CU。

在计算歌曲a、b的距离d[a,b]时， $d(a,b)=\frac{D\left(a\right)+D\left(b\right)}{2f(a,b)},D\left(a\right)=\underset{c\∈C}{\Σ}f\[a,c\].$

初始化模块1还包括：

界面生成单元，用于生成用户界面，供用户根据其个人喜好选定若干首歌曲作为歌曲种子集合Z；

初始化单元，用于初始化Z中歌曲的场景权值向量W_z＝{CZ,CZ,CZ,...,CZ}，其中，CZ为场景权值初始化常数；并通过Z初始化N中其它歌曲的场景权值向量；

其中，计算公式如下：

个人歌曲库生成单元，用于选取N中歌曲场景向量大于阈值CW的歌曲，加入个人歌曲库。

播放模块2包括：

判断单元，用于根据用户所在的位置、当前时间段和用户的状态判断用户所处的场景；其中用户的状态将通过外部设备捕捉用户的动作和形态，使用行为检测技术分析得出；

概率获取单元，用于根据个人歌曲库中歌曲与场景相对应的权值获取歌曲播放的概率；

播放单元，用于根据歌曲播放概率对从个人歌曲库中选取歌曲进行播放；具体实施中，选取1首歌曲进行播放，

反馈单元，用于通过获取用户对播放歌曲喜好程度的反馈，并将反馈进行量化得到反馈值。

歌曲播放概率计算公式如下：

$P_s=\frac{W(s,i)}{\underset{k\∈K}{\Σ}W(k,i)};$

即用歌曲s在当前场景I中的权值除以当前场景I中所有歌曲权值之和来代表歌曲播放概率。

用户反馈主要通过获取用户对播放歌曲喜好程度的反馈，并将反馈进行量化得到反馈值。用歌曲当前权值乘以反馈值来得到新的权值。如果用户喜欢歌曲s，则反馈值大于1，歌曲s当前场景权值增大；如果用户不喜欢歌曲s，则反馈值小于1，歌曲s当前场景权值减小。

进一步地，调整模块3包括：

网络调整单元，用于获取当前所有用户的个人歌曲库，将其与初始化模块的音乐相关数据源结合，重新构建歌曲距离网络；

歌曲库调整单元，用于调整个人歌曲库。

(1)抛弃|W|小的歌曲；

(2)加入歌曲距离网络中|W|大的的歌曲。W通过歌曲与歌曲库歌曲的距离和歌曲库各歌曲的权值综合计算得出。计算公式如下：

${\∀}_s\∈N,W_s=\underset{k\∈K}{\Σ}\frac{W_k}{d(k,s)}.$

在本发明实施例中，建立包含音乐之间数值化的关联关系的音乐网络，并通过该网络在用户选定几首喜欢的歌曲后，在网络中找到与种子歌曲关联性强的歌曲并以此建立个人歌曲库，根据关联度和场景相关关系分配库中歌曲权值，作为播放时的选择依据。播放过程中通过用户反馈调整权值，实现个人歌曲库的智能化调整，使歌曲库能够越来越贴近用户的喜好；可以提高音乐关联值的准确度，并为用户生成个性化音乐库，并根据用户的喜欢自行调整推荐的歌曲，提高推荐的相关度。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器(ROM，ReadOnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、磁盘或光盘等。

另外，以上对本发明实施例所提供的智能音乐推荐系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (6)

1.一种智能音乐推荐系统，其特征在于，所述系统包括：

初始化模块，用于构建歌曲距离网络和初始化个人歌曲库；

播放模块，用于判断当前场景，根据个人歌曲库中歌曲与场景相对应的权值获取歌曲播放的概率，对歌曲进行播放，同时获取用户反馈并修改权值；

调整模块，用于调整歌曲距离网络和调整个人歌曲库。

2.如权利要求1所述的智能音乐推荐系统，其特征在于，所述初始化模块包括：

获取单元，用于获取音乐相关数据源；

计算单元，用于计算歌曲a、b之间的关联值f[a,b]，并计算歌曲a、b的距离d[a,b]；

构建单元，用于以歌曲a、b距离d[a,b]作为边的权值构建歌曲距离网络。

3.如权利要求2所述的智能音乐推荐系统，其特征在于，所述数据源的形式为：

B＝{U_i|i＝1,2,3...}

U_i＝{L_i|i＝1,2,3...}

L_i＝{s_i|i＝1,2,3...}

其中：B为用户集，U_i为用户集中的用户，L_i为用户拥有的歌单，s_i为歌单中的歌曲。

4.如权利要求1至3任意一项所述的智能音乐推荐系统，其特征在于，所述初始化模块还包括：

界面生成单元，用于生成用户界面，供用户根据其个人喜好选定若干首歌曲作为歌曲种子集合Z；

初始化单元，用于初始化Z中歌曲的场景权值向量W_z＝{CZ,CZ,CZ,...,CZ}，其中，CZ为场景权值初始化常数；并通过Z初始化N中其它歌曲的场景权值向量；

个人歌曲库生成单元，用于选取N中歌曲场景向量大于阈值CW的歌曲，加入个人歌曲库。

5.如权利要求1所述的智能音乐推荐系统，其特征在于，所述播放模块包括：

判断单元，用于根据用户所在的位置、当前时间段和用户的状态判断用户所处的场景；

概率获取单元，用于根据个人歌曲库中歌曲与场景相对应的权值获取歌曲播放的概率；

播放单元，用于根据歌曲播放概率对从个人歌曲库中选取歌曲进行播放；

反馈单元，用于通过获取用户对播放歌曲喜好程度的反馈，并将反馈进行量化得到反馈值。

6.如权利要求1所述的智能音乐推荐系统，其特征在于，所述调整模块包括：

网络调整单元，用于获取当前所有用户的个人歌曲库，将其与初始化模块的音乐相关数据源结合，重新构建歌曲距离网络；

歌曲库调整单元，用于调整个人歌曲库。