CN106446260A

CN106446260A - 自学习音乐推送方法和系统

Info

Publication number: CN106446260A
Application number: CN201610903288.2A
Authority: CN
Inventors: 刘洋
Original assignee: Individual
Current assignee: Individual
Priority date: 2016-10-18
Filing date: 2016-10-18
Publication date: 2017-02-22

Abstract

本发明公开一种自学习音乐推送方法和系统。自学习音乐推送方法包括以下步骤：音乐库创建步骤，对音乐进行分析处理产生音乐标签，形成音乐库；用户数据库创建步骤，收集用户状态数据，对用户状态数据进行分析产生用户状态标签，形成用户数据库；音乐匹配步骤，将用户状态标签与音乐标签进行匹配处理，获取最适合该用户的匹配音乐，形成音乐教程；音乐推送步骤，将所述音乐教程推送给用户；以及用户数据库更新步骤，判断所述匹音乐教程使用效果是否符合要求，并将相应结果更新至所述用户数据库。本发明能够根据用户状态数据形成与该用户匹配的音乐教程，并且能够根据用户的运动进度、身体状态等情况不断更新音乐教程，使运动更具趣味、更加科学。

Description

自学习音乐推送方法和系统

技术领域

本发明涉及音乐推送技术领域，具体涉及一种自学习音乐推送方法和系统。

背景技术

随着人们对健康的重视程度的日益增强，越来越多的人养成了运动健身的习惯。为了增加运动的乐趣，很多人喜欢边听音乐边运动。然而，面对如今海量的歌曲资源库，用户面临着新的问题：如何快速地找到适合自己的歌曲。对此，传统在线音乐推送方法将歌曲进行大致分类，诸如民谣、摇滚、爵士、R&B等，然后提供给用户以进行选择，如果用户选择其中的一种或多种分类，则推送所选择的分类目录下的相应歌曲。

传统音乐推送方法，一方面，过于简单和笼统，用户虽然可以免去自己搜索、选择和播放，但是仍然很难听到自己想听的歌曲，另一方面，与运动相配合的音乐，所需要区分的不仅仅是音乐风格等，而是需要使音乐的节奏信息(BPM＝Beats Per Minute，每分钟节拍数的单位)和运动节奏(步频＝每分钟脚踏的步数单位)相呼应，从而发生微妙而和谐的同步共振，达到使运动者充分放松的效果、享受运动的乐趣。

发明内容

为了解决上述问题，本发明提供一种自学习音乐推送方法包括以下步骤：音乐库创建步骤，对音乐进行分析处理产生音乐标签，形成音乐库；用户数据库创建步骤，收集用户状态数据，对用户状态数据进行分析产生用户状态标签，形成用户数据库；音乐匹配步骤，将用户状态标签与音乐标签进行匹配处理，获取最适合该用户的匹配音乐，形成音乐教程；音乐推送步骤，将所述音乐教程推送给用户；以及用户数据库更新步骤，判断所述音乐教程使用效果是否符合要求，并将相应结果更新至所述用户数据库。

优选地，在所述音乐库创建步骤中，进行音频计算，分析出音乐的节奏信息。

可选地，在所述音乐匹配步骤中采用人工匹配模式，由用户进行自主匹配。

可选地，在所述音乐匹配步骤中采用自动匹配模式。

优选地，所述用户数据库更新步骤，具体包括以下子步骤：数据采集步骤，对所述音乐教程使用过程中的用户状态数据进行采集；以及数据比对步骤，将所述采集的用户状态数据与所述用户数据库中的用户状态数据进行比对，判断两者数据是否匹配，若判断为是，则将所述音乐教程的音乐标签存储到所述用户数据库，若判断为否，则更新所述用户数据库中的用户状态数据。

优选地，所述用户状态数据包括基础数据、运动状态数据和健康状态数据。

本发明还提供一种自学习音乐推送系统，包括：音乐分析存储单元，对音乐进行分析处理产生音乐标签，对所述附加了标签的音乐进行存储；用户数据分析存储单元，收集用户状态数据，对所述用户状态数据进行分析产生用户状态标签，对所述附加了标签的用户状态数据进行存储；音乐匹配单元，将用户状态标签与音乐标签进行匹配处理，获取最适合该用户的匹配音乐，形成音乐教程；音乐推送单元，将所述音乐教程推送给用户；以及自学习单元，判断所述音乐教程效果是否符合要求，并将结果更新存储到所述用户数据分析存储单元。

优选地，所述音乐分析存储单元包括节奏计算模块，对音乐进行音频计算，分析出音乐的节奏信息。

优选地，所述音乐匹配单元具有人工匹配模式和自动匹配模式。

优选地，所述自学习单元包括：数据采集模块，对所述音乐教程使用过程中的用户状态数据进行采集；以及数据比对模块所述，将所述数据采集模块所采集的用户状态数据与所述用户数据分析存储单元中所存储的用户状态数据进行比对，判断两者数据是否匹配，若判断为是，则将所述音乐教程的音乐标签关联存储至用户数据分析存储单元，若判断为否，则更新所述用户数据分析存储单元中所存储的用户状态数据。

本发明能够根据用户状态数据形成与该用户匹配的音乐教程，并且能够根据用户的运动进度、身体状态等情况不断更新音乐教程，使运动更具趣味、更加科学。同时，允许手动模式的音乐匹配方式增强了互动性，并基于自学习功能根据用户的实际使用效果不断修正匹配度，提高了匹配的精准度。

附图说明

图1是自学习音乐推送方法实施例一的流程图。

图2是自学习音乐推送方法实施例二的流程图。

图3是自学习音乐推送方法实施例三的流程图。

图4是自学习音乐推送方法实施例四的流程图。

图5是自学习音乐推送方法实施例五的流程图。

图6是自学习音乐推送系统的功能框图。

图7是自学习音乐推送系统的自学习单元的功能框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，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，应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。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做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

图1是自学习音乐推送方法实施例一的流程图。以下参照图1针对自学习音乐推送方法的各步骤进行说明。

首先，在音乐库创建步骤S1中，对音乐进行分析处理产生音乐标签，形成音乐库。音乐标签例如包括了歌曲名、歌曲风格、专辑名称、歌手姓名等诸多信息。因此，可以根据音乐标签信息中的歌曲风格信息和歌手特性信息对音乐进行分类。例如，根据歌曲风格信息可将音乐分为摇滚音乐、流行音乐、爵士音乐、乡村音乐等；而根据歌手所在地域则可将音乐分为大陆音乐、港台音乐、欧美音乐等；而根据歌手类型则可将音乐分为古典音乐、民族音乐、流行音乐等。同时，为了使音乐适合在运动中使用，配合运动节奏，音乐风格上优选为适合运动锻炼的音乐。进一步优选地，音乐标签例如包括了节奏、速度等音乐节奏信息。对音乐进行音频计算，分析出音乐的节奏信息，并产生相应的标签附加到相应的音乐。

在用户数据库创建步骤S2中，收集用户状态数据，对用户状态数据进行分析产生用户状态标签，形成用户数据库。具体来说，如果为新用户，可由用户手工创建包括基础数据、运动状态和健康状态等用户状态数据。其中，基础数据例如包括性别、年龄、喜爱的音乐风格、喜爱的歌手以及喜爱的运动类型等。运动状态数据例如包括运动的周期、运动的场景、运动的进度等运动状态数据。例如，对于喜欢跑步的用户，则可以进一步细化运动状态数据为步频、配速、距离、时间等。健康状态数据包括心率、温度、血压等。此外，如果用户对自身的运动状态和健康状态数据不是特别清楚，也可以选择自动数据采集的方式形成用户状态数据。所采集的数据包括上述运动状态数据和健康状态数据。

在音乐匹配步骤S3中，将用户状态标签与音乐标签进行匹配处理，获取最适合该用户的匹配音乐，形成音乐教程。例如，用户选择跑步，则根据用户状态标签中记录的该用户的步频、距离、时间在音乐库中选择与该用户运动状态相匹配的音乐。优选地，例如同时考虑用户的健康状态数据，在音乐风格、音乐时长、音乐节奏等方面进行相应的匹配。对于一些专业级用户，如图2所示，也可以根据音乐标签所记载的信息进行手工匹配，自主选择相应的音乐。

在音乐推送步骤S4中，将所述音乐教程推送给用户。用户可以通过任何终端设备接收所述匹配的音乐，例如手机、ipod、运动耳机等。

在用户数据库更新步骤S5中，采集匹配音乐使用过程中的用户状态数据，判断所述音乐教程的效果是否符合要求，若判断为是，则将所述音乐教程的音乐标签存储至用户数据库，若否则更新用户状态数据。

具体来说，如图3所示，用户数据库更新步骤S5进一步包括以下子步骤：数据采集步骤S51，对音乐教程使用过程中的用户状态数据进行采集；以及数据比对步骤S52，将所采集的用户状态数据与用户数据库中的用户状态数据进行比对，判断两者数据是否匹配，若判断为是，则将音乐教程的音乐标签存储到所述用户数据库，若判断为否，则更新所述用户数据库中的用户状态数据。

当该用户再次选择相同的运动时，如图4所示，对于用户数据库中已经存在音乐教程的音乐标签的情况，也就是在上述用户数据库更新步骤S5中判断音乐教程的效果符合要求的情况下，则直接进入音乐推送步骤S4。在音乐教程使用过程中，会进行用户数据库更新步骤S5，从而能够针对用户的运动状态、健康状态不断的改进音乐教程，实习自学习的功能。

当该用户再次选择相同的运动时，如图5所示，对于用户数据库中的用户状态数据发生更新的情况，也就是在上述用户数据库更新步骤S5中判断音乐教程的效果不符合要求的情况，则进入音乐匹配步骤S3。同样，在音乐教程使用过程中，会进行用户数据库更新步骤S5，从而能够针对用户的运动状态、健康状态不断的改进音乐教程，实习自学习的功能。

以上对本发明的自学习音乐推送方法的具体实施方式进行了详细说明，但是本发明不限定于此。在实际应用中，根据情况进行相应的改变。具体地来说，自学习音乐推送方法的部分步骤可以省略，例如在发明的一些实施方式中例如可以省略用户数据库创建步骤S2，在一些实施方式中也可以省略音乐匹配步骤S3等；自学习音乐推送方法中各步骤的具体实施方式根据情况可以不同，例如在用户数据库创建步骤S2中可以手工创建也可以自动采集，在音乐匹配步骤S3中可以手工匹配也可以自动匹配等；此外，用户状态标签、音乐标签等参数均可根据实际情况进行选择。

根据本发明的另一方面，提供一种自学习音乐推送系统。以下结合图6～图7针对自学习音乐推送系统进行详细说明。

图6是本发明的自学习音乐推送系统的功能框图。如图6所示，本发明的自学习音乐推送系统包括：音乐分析存储单元1，对音乐进行分析处理，产生音乐标签，并对附加了标签的音乐进行存储；用户数据分析存储单元2，收集用户状态数据，对用户状态数据进行分析产生用户状态标签，并对附加了标签的用户状态数据进行存储；音乐匹配单元3，将用户状态标签与音乐标签进行匹配处理，获取最适合该用户的匹配音乐，形成音乐教程；音乐推送单元4，将音乐教程推送给用户；以及自学习单元5，判断音乐教程效果是否符合要求，并将结果更新存储到用户数据分析存储单元2。

音乐分析存储单元1优选包括节奏计算模块，对音乐进行音频计算，分析出音乐的节奏信息。当然，本发明不限定于此，音乐分析存储单元1还可以包括其他类型的音乐分析模块，例如对歌曲风格信息、歌手特性信息等进行分析产生相应的音乐标签。此外，音乐存储分析单元1还可以包括音乐分类模块，根据音乐标签例如歌曲名、歌曲风格、专辑名称、歌手姓名、歌手特性、音乐节奏等信息对音乐进行分类。例如，根据歌曲风格信息可将音乐分为摇滚音乐、流行音乐、爵士音乐、乡村音乐等；而根据歌手所在地域则可将音乐分为大陆音乐、港台音乐、欧美音乐等；而根据歌手类型则可将音乐分为古典音乐、民族音乐、流行音乐等。同时，为了使音乐适合在运动中使用，配合运动节奏，音乐风格上优选为适合运动锻炼的音乐。

用户数据分析存储单元2对由用户移动终端发送来的用户状态数据进行分析存储。用户可以在移动终端手工创建包括基础数据、运动状态数据和健康状态数据等用户状态数据。其中，基础数据例如包括性别、年龄、喜爱的音乐风格、喜爱的歌手以及喜爱的运动类型等。运动状态数据例如包括运动的周期、运动的场景、运动的进度等运动状态数据。例如，对于喜欢跑步的用户，则可以进一步细化运动状态数据为步频、配速、距离、时间等。健康状态数据包括心率、温度、血压等。此外，如果用户对自身的运动状态和健康状态数据不是特别清楚，也可以选择自动数据采集的方式，通过移动终端中的数据采集模块进行数据采集形成用户状态数据。例如可以包括运动状态数据采集模块和健康状态数据采集模块。数据采集模块可以是加速度、心率、陀螺仪、方向、GPS传感器或带有加速度、心率、陀螺仪、方向、GPS其中一个或多个传感器的设备。

音乐匹配单元3具有人工匹配模式和自动匹配模式。在人工匹配模式下，用户可以根据音乐库中音乐标签所记载的信息，结合自身的运动状态、健康状态等手工选择相应的音乐。例如，用户选择跑步，则根据用户状态标签中记录的该用户的步频、距离、时间在音乐库中选择与该用户运动状态相匹配的音乐。优选地，同时考虑用户健康状态数据，则对音乐进行进一步筛选，如在音乐风格、音乐时长、音乐节奏等方面进行相应的匹配。在自动匹配模式下，则自动根据用户数据库中所记载的用户状态标签与音乐库中的音乐标签进行匹配。

自学习单元5，如图7所示，包括：数据采集模块51，对音乐教程使用过程中的用户状态数据进行采集；数据比对模块52，将数据采集模块51所采集的用户状态数据与用户数据分析存储单元2中所存储的用户状态数据进行比对，判断两者数据是否匹配，若判断为是，则将音乐教程的音乐标签关联存储至用户数据分析存储单元2，若判断为否，则更新用户数据分析存储单元2中所存储的用户状态数据。

在本发明的自学习音乐推送系统实施例中，应该理解到，以上所描述的实施例仅仅是示意性的，例如，所述单元模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所述作为分离部件说明的单元或模块可以是或者也可以不是物理上分开的，作为单元或模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

Claims

1.一种自学习音乐推送方法，其特征在于，

包括以下步骤：

音乐库创建步骤，对音乐进行分析处理产生音乐标签，形成音乐库；

用户数据库创建步骤，收集用户状态数据，对用户状态数据进行分析产生用户状态标签，形成用户数据库；

音乐匹配步骤，将所述用户状态标签与所述音乐标签进行匹配处理，获取最适合该用户的匹配音乐，形成音乐教程；

音乐推送步骤，将所述音乐教程推送给用户；以及

用户数据库更新步骤，判断所述音乐教程使用效果是否符合要求，并将相应结果更新至所述用户数据库。

2.根据权利要求1所述的自学习音乐推送方法，其特征在于，

在所述音乐库创建步骤中，进行音频计算，分析出音乐的节奏信息。

3.根据权利要求1所述的自学习音乐推送方法，其特征在于，

在所述音乐匹配步骤中采用人工匹配模式，由用户进行自主匹配。

4.根据权利要求1所述的自学习音乐推送方法，其特征在于，

在所述音乐匹配步骤中采用自动匹配模式。

5.根据权利要求1所述的自学习音乐推送方法，其特征在于，

所述用户数据库更新步骤，具体包括以下子步骤：

数据采集步骤，对所述音乐教程使用过程中的用户状态数据进行采集；以及

数据比对步骤，将所述采集的用户状态数据与所述用户数据库中的用户状态数据进行比对，判断两者数据是否匹配，若判断为是，则将所述音乐教程的音乐标签存储到所述用户数据库，若判断为否，则更新所述用户数据库中的用户状态数据。

6.根据权利要求1～5中任一项所述的自学习音乐推送方法，其特征在于，

所述用户状态数据包括基础数据、运动状态数据和健康状态数据。

7.一种自学习音乐推送系统，其特征在于，

包括：

音乐分析存储单元，对音乐进行分析处理产生音乐标签，对所述附加了标签的音乐进行存储；

用户数据分析存储单元，收集用户状态数据，对所述用户状态数据进行分析产生用户状态标签，对所述附加了标签的用户状态数据进行存储；

音乐匹配单元，将所述用户状态标签与所述音乐标签进行匹配处理，获取最适合该用户的匹配音乐，形成音乐教程；

音乐推送单元，将所述音乐教程推送给用户；以及

自学习单元，判断所述音乐教程效果是否符合要求，并将结果更新后存储到所述用户数据分析存储单元。

8.根据权利要求7所述的自学习音乐推送系统，其特征在于，

所述音乐分析存储单元包括节奏计算模块，所述节奏计算模块对音乐进行音频计算，分析出音乐的节奏信息。

9.根据权利要求7或8所述的自学习音乐推送系统，其特征在于，

所述音乐匹配单元具有人工匹配模式和自动匹配模式。

10.根据权利要求7或8所述的自学习音乐推送系统，其特征在于，

所述自学习单元包括：

数据采集模块，对所述音乐教程使用过程中的用户状态数据进行采集；以及

数据比对模块所述，将所述数据采集模块所采集的用户状态数据与所述用户数据分析存储单元中所存储的用户状态数据进行比对，判断两者数据是否匹配，若判断为是，则将所述音乐教程的音乐标签关联存储至用户数据分析存储单元，若判断为否，则更新所述用户数据分析存储单元中所存储的用户状态数据。