CN115662467B - 一种基于大数据的音乐智能播放控制系统及方法 - Google Patents

Abstract

本发明涉及音乐播放智能控制技术领域，具体为一种基于大数据的音乐智能播放控制系统及方法，所述系统包括音乐数据采集模块、音乐数据分析模块、智能播放控制模块和音乐智能推送模块；所述音乐数据采集模块用于采集用户歌单中音乐播放数据和音乐曲库中音乐片段信息，与音乐数据分析模块相连；所述音乐数据分析模块用于获取音乐数据采集模块采集到的数据并进行分析，将分析结果发送到智能播放控制模块；所述智能播放控制模块用于根据分析结果对音乐播放进行智能控制；音乐智能推送模块用于获取音乐数据分析模块得到的分析结果，根据分析结果推送符合用户音乐风格的歌曲和其他音乐风格的歌曲，与音乐数据分析模块相连。

Description

一种基于大数据的音乐智能播放控制系统及方法

技术领域

本发明涉及音乐播放智能控制技术领域，具体为一种基于大数据的音乐智能播放控制系统及方法。

背景技术

随着信息技术的深入发展，人们的生活方式不断被改变，其中就包括听音乐这种生活方式；流媒体技术对音乐产业的结构带来了极大的变化，音乐传播的载体和方式都进行了全面革新；随着移动互联网的发展，人们越来越依赖手机听音乐，现在手机上有各种音乐类App可以提供人们听各种各样的音乐，其中音乐类App中的个性化推荐功能让用户能够听到更多感兴趣的歌曲，但是很多用户在听个性化推荐的列表里的歌的时候，很多歌曲用户点开还没有播完前奏就跳过了，音乐类App在播放歌曲时没有根据用户需求进行智能播放，同时每次推荐的歌曲都是跟用户歌单列表里歌曲风格类似的歌曲，很容易让用户的音乐视野受限，不能欣赏其它风格的音乐，有时候听一遍是无法激起用户对一首陌生歌曲的兴趣的；所以人们需要一种基于大数据的音乐智能播放控制系统及方法来解决上述问题。

发明内容

本发明的目的在于提供一种基于大数据的音乐智能播放控制系统及方法，以解决上述背景技术中提出的问题。

为了解决上述技术问题，本发明提供如下技术方案：一种基于大数据的音乐智能播放控制系统，所述系统包括音乐数据采集模块、音乐数据分析模块、智能播放控制模块和音乐智能推送模块；所述音乐数据采集模块用于采集用户歌单中音乐播放数据和音乐曲库中音乐片段信息，与音乐数据分析模块相连；所述音乐数据分析模块用于获取音乐数据采集模块采集到的数据并进行分析，将分析结果发送到智能播放控制模块；所述智能播放控制模块用于根据分析结果对音乐播放进行智能控制；音乐智能推送模块用于获取音乐数据分析模块得到的分析结果，根据分析结果推送符合用户音乐风格的歌曲和其他音乐风格的歌曲，与音乐数据分析模块相连。

进一步的，所述音乐数据采集模块包括音乐播放数据采集单元和音乐片段信息采集单元，所述音乐播放数据采集单元用于采集用户歌单中的歌曲播放数据，包括歌曲风格、切歌方式、切歌速度和单曲循环次数，以便于设置用户喜爱程度量化数据，分析用户的听歌习惯；所述音乐片段信息采集单元用于获取用户听歌时哼唱的歌曲片段信息和音乐曲库中的音乐被提取片段的信息，根据音乐片段的播放热度和截取频次数据来确定用户在播放一首推送的其它风格歌曲的时候，从片段开始播放从而吸引用户的兴趣，引导用户完整听完没有听过的其它风格的歌曲。

进一步的，所述音乐数据分析模块包括历史音乐数据分析单元和推送音乐数据分析单元，所述历史音乐数据分析单元用于分析音乐数据采集模块采集到的用户歌单列表里自己分类保存的歌曲的数据，判断用户的音乐兴趣和用户的音乐视野，以便于推送歌曲给用户包括符合用户音乐兴趣的歌曲和除了用户经常听的音乐类型以外的其它风格的歌曲；所述推送音乐分析单元用于分析根据用户的音乐兴趣和用户的音乐视野推送的符合用户音乐风格的歌曲和其他音乐风格的歌曲，记录用户听推送的音乐时的数据，自动记录保存用户完整听完的一首歌曲信息，根据反馈用户播放推送的歌曲的播放数据，分析推送的歌曲是否能够培养用户的音乐兴趣，拓宽用户的音乐视野。

进一步的，所述智能播放控制模块包括音乐自动选取播放单元和音乐自动保存标记单元，所述音乐自动选取播放单元用于自动选取推送的其他风格歌曲的片段进行选择播放，并反馈用户此时听歌的数据，以便于根据播放热度高的音乐片段吸引用户完整听完整首歌曲，提高用户对一首陌生歌曲的认识；所述音乐自动保存标记单元用于记录用户完整听完推送的其他风格歌曲的信息并进行标记，然后保存到其他风格歌曲库中用于重复推荐，有时候用户在第一次听到一首陌生的歌曲时并不会产生很大的兴趣，进行标记用于重复推荐，提高用户对歌曲的兴趣度。

进一步的，所述音乐智能推送模块包括用户风格音乐推送单元和其他风格音乐推送单元，所述用户风格音乐推送单元用户根据音乐数据分析模块得到的分析结果推送给用户符合用户歌单列表的音乐风格的歌曲，以便于丰富用户歌单列表里的歌曲；所述其他风格音乐推送单元用于根据音乐数据分析模块得到的分析结果推送给用户不同于用户歌单列表里歌曲音乐风格的歌曲，以便于拓宽用户的音乐兴趣范围，提升用户的音乐视野。

一种基于大数据的音乐智能播放控制方法，所述方法包括以下步骤：

S1：通过采集用户歌单中的歌曲播放数据，分析用户歌单列表里的歌曲风格，总结用户的音乐视野，然后同时推送符合用户音乐风格和其他音乐风格的歌曲；

S2：根据音乐库里音乐片段播放热度和截取频次，用户在播放推送的其他风格的歌曲时自动先播放热度高的片段部分，用户听完了该片段再从头播放，然后反馈用户的听歌数据；

S3：建立两个列表，第一列表记录用户完整听完的推送的其它风格的歌曲，第二列表记录用户完整听完并单曲循环一次的推送的符合用户音乐风格的歌曲，然后将两个列表里用户完整听过三次及以上的歌曲自动加到用户歌单列表里并标记歌曲风格；

S4：比较用户原始的歌单列表的歌曲风格和推送歌曲加入后的歌单列表的歌曲风格，再次总结用户的音乐视野。

进一步的，在步骤S1中：首先对音乐风格进行标记，得到一组集合A＝{a₁,a₂,a₃...,a_n}，其中a_n表示第n种音乐风格，统计用户歌单列表里的歌曲风格，得到一组集合B＝{(a₁,b₁),(a₂,b₂),(a₃,b₃),...,(a_n,b_n)}，其中(a_n,b_n)表示a_n种音乐风格的歌曲有b_n首；采集用户歌单中歌曲的播放数据，设置喜爱程度量化数据：单曲循环＝5，分享＝4，收藏＝3，主动播放＝2，听完＝1，跳过＝-1，不感兴趣＝-5，根据喜爱程度量化数据对歌单列表里的歌曲进行标记，得到一组多维歌单向量(x₁,x₂,x₃,...,x_m)，其中x_m表示用户对歌单列表里第m首的喜爱程度，利用向量的夹角余弦公式与音乐曲库里的歌单进行相似度计算，公式为：

其中(y₁,y₂,y₃,...,y_m)表示音乐曲库里的歌单向量，其中y_m表示歌单里第m首的喜爱程度，根据向量的夹角余弦值判断歌单的相似度，其中cosθ＝1表示两个歌单音乐风格完全一致，cosθ＝-1表示两个歌单音乐风格完全不一致；然后同时推送符合用户音乐风格和其他音乐风格的歌曲；根据获取到的用户歌单里歌曲的播放数据，设置喜爱程度量化数据进行量化播放数据，得到一组多维歌单向量，然后利用向量的夹角余弦公式将得到的一组多维歌单向量与音乐大数据库里的其它多维歌单向量进行相似度计算，最后根据相似度的值确定歌单，根据歌单里的歌曲推送符合用户音乐风格和其他音乐风格的歌曲。

进一步的，在步骤S2中：利用大数据获取推送的其它音乐风格的歌曲片段播放热度和截取频次，然后将其它音乐风格的歌曲推送给用户时，当用户播放时首先从播放热度最高的片段开始，用户听完没有跳过之后再从头开始播放，如果用户从开头完整听完这首歌曲，将这首歌曲进行喜爱程度量化标记。

进一步的，在步骤S3中：建立两个列表，根据推送给用户的符合用户音乐风格和其他音乐风格的歌曲的播放数据，进行分类存储，第一列表存放喜爱程度标记后大于1的其它音乐风格的歌曲，第二列表存放喜爱程度标记后大于6的符合用户音乐风格的歌曲，以便于用于进行重复推荐歌曲；对于两个列表里历史存储的歌曲喜爱程度数据大于10的歌曲自动添加到用户的歌单列表里，可以丰富用户的歌单里的歌曲，同时拓宽用户的音乐兴趣范围。

进一步的，在步骤S4中：将建立的两个列表的歌曲添加到用户的歌单列表后，统计歌单列表里的音乐风格，得到一组集合C＝{(p₁,q₁),(p₂,q₂),(p₃,q₃),...,(p_k,q_k)}，其中(p_k,q_k)表示p_k种音乐风格的歌曲有q_k首；根据集合B和集合C绘制音乐风格柱状图，以音乐风格类型为横轴，歌曲数量为竖轴，通过计算每种音乐风格歌曲的数量占比比较用户原始的歌单列表的歌曲风格和推送歌曲加入后的歌单列表的歌曲风格，公式为：

其中z表示第i种音乐类型的歌曲占全部音乐类型歌曲的占比，d表示音乐风格类型数量，c_i表示第i种音乐风格的歌曲数量，i＝1,2,3,...,d；根据z的值总结用户音乐口味的丰富程度；通过将推送一段时间后的用户歌单列表和历史用户歌单列表进行数据化，得到两组集合，然后绘制出两组集合的柱状图，根据均值计算公式总结用户歌单列表里歌曲风格的变化。

与现有技术相比，本发明所达到的有益效果是：通过音乐数据采集模块采集用户歌单里歌曲的播放数据，包括歌曲风格、切歌方式、切歌速度和单曲循环次数，同时获取音乐大数据库里歌曲片段的播放热度和截取频次数据；音乐数据分析单元通过设置喜爱程度量化数据：单曲循环＝5，分享＝4，收藏＝3，主动播放＝2，听完＝1，跳过＝-1，不感兴趣＝-5，根据喜爱程度量化数据对歌单列表里的歌曲进行标记，然后利用向量的夹角余弦公式算法计算用户歌单与音乐大数据库里的歌单相似度，然后同时推送符合用户音乐风格和其他音乐风格的歌曲；智能播放控制模块根据音乐大数据库里歌曲片段的播放热度和截取频次数据，当用户播放其他音乐风格的歌曲时从热度最高的片段开始播放，当用户听完没有跳过再从头开始播放；然后建立两个列表存放喜爱程度标记后大于1的其它音乐风格的歌曲和喜爱程度标记后大于6的符合用户音乐风格的歌曲，将列表里历史存储的歌曲喜爱程度数据大于10的歌曲自动添加到用户的歌单列表里，最后比较推送一段时候后的用户歌单列表和历史用户歌单列表，总结用户音乐视野的丰富程度。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明一种基于大数据的音乐智能播放控制系统的结构示意图；

图2是本发明一种基于大数据的音乐智能播放控制方法的流程示意图。

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做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。

请参阅图1-图2，本发明提供技术方案：一种基于大数据的音乐智能播放控制系统，所述系统包括音乐数据采集模块、音乐数据分析模块、智能播放控制模块和音乐智能推送模块；所述音乐数据采集模块用于采集用户歌单中音乐播放数据和音乐曲库中音乐片段信息，与音乐数据分析模块相连；所述音乐数据分析模块用于获取音乐数据采集模块采集到的数据并进行分析，将分析结果发送到智能播放控制模块；所述智能播放控制模块用于根据分析结果对音乐播放进行智能控制；音乐智能推送模块用于获取音乐数据分析模块得到的分析结果，根据分析结果推送符合用户音乐风格的歌曲和其他音乐风格的歌曲，与音乐数据分析模块相连。

所述音乐数据采集模块包括音乐播放数据采集单元和音乐片段信息采集单元，所述音乐播放数据采集单元用于采集用户歌单中的歌曲播放数据，包括歌曲风格、切歌方式、切歌速度和单曲循环次数，以便于设置用户喜爱程度量化数据，分析用户的听歌习惯；所述音乐片段信息采集单元用于获取用户听歌时哼唱的歌曲片段信息和音乐曲库中的音乐被提取片段的信息，根据音乐片段的播放热度和截取频次数据来确定用户在播放一首推送的其它风格歌曲的时候，从片段开始播放从而吸引用户的兴趣，引导用户完整听完没有听过的其它风格的歌曲。

所述音乐数据分析模块包括历史音乐数据分析单元和推送音乐数据分析单元，所述历史音乐数据分析单元用于分析音乐数据采集模块采集到的用户歌单列表里自己分类保存的歌曲的数据，判断用户的音乐兴趣和用户的音乐视野，以便于推送歌曲给用户包括符合用户音乐兴趣的歌曲和除了用户经常听的音乐类型以外的其它风格的歌曲；所述推送音乐分析单元用于分析根据用户的音乐兴趣和用户的音乐视野推送的符合用户音乐风格的歌曲和其他音乐风格的歌曲，记录用户听推送的音乐时的数据，自动记录保存用户完整听完的一首歌曲信息，根据反馈用户播放推送的歌曲的播放数据，分析推送的歌曲是否能够培养用户的音乐兴趣，拓宽用户的音乐视野。

所述智能播放控制模块包括音乐自动选取播放单元和音乐自动保存标记单元，所述音乐自动选取播放单元用于自动选取推送的其他风格歌曲的片段进行选择播放，并反馈用户此时听歌的数据，以便于根据播放热度高的音乐片段吸引用户完整听完整首歌曲，提高用户对一首陌生歌曲的认识；所述音乐自动保存标记单元用于记录用户完整听完推送的其他风格歌曲的信息并进行标记，然后保存到其他风格歌曲库中用于重复推荐，有时候用户在第一次听到一首陌生的歌曲时并不会产生很大的兴趣，进行标记用于重复推荐，提高用户对歌曲的兴趣度。

所述音乐智能推送模块包括用户风格音乐推送单元和其他风格音乐推送单元，所述用户风格音乐推送单元用户根据音乐数据分析模块得到的分析结果推送给用户符合用户歌单列表的音乐风格的歌曲，以便于丰富用户歌单列表里的歌曲；所述其他风格音乐推送单元用于根据音乐数据分析模块得到的分析结果推送给用户不同于用户歌单列表里歌曲音乐风格的歌曲，以便于拓宽用户的音乐兴趣范围，提升用户的音乐视野。

一种基于大数据的音乐智能播放控制方法，所述方法包括以下步骤：

S1：通过采集用户歌单中的歌曲播放数据，分析用户歌单列表里的歌曲风格，总结用户的音乐视野，然后同时推送符合用户音乐风格和其他音乐风格的歌曲；

S2：根据音乐库里音乐片段播放热度和截取频次，用户在播放推送的其他风格的歌曲时自动先播放热度高的片段部分，用户听完了该片段再从头播放，然后反馈用户的听歌数据；

S3：建立两个列表，第一列表记录用户完整听完的推送的其它风格的歌曲，第二列表记录用户完整听完并单曲循环一次的推送的符合用户音乐风格的歌曲，然后将两个列表里用户完整听过三次及以上的歌曲自动加到用户歌单列表里并标记歌曲风格；

S4：比较用户原始的歌单列表的歌曲风格和推送歌曲加入后的歌单列表的歌曲风格，再次总结用户的音乐视野。

在步骤S1中：首先对音乐风格进行标记，得到一组集合A＝{a₁,a₂,a₃...,a_n}，其中a_n表示第n种音乐风格，统计用户歌单列表里的歌曲风格，得到一组集合B＝{(a₁,b₁),(a₂,b₂),(a₃,b₃),...,(a_n,b_n)}，其中(a_n,b_n)表示a_n种音乐风格的歌曲有b_n首；采集用户歌单中歌曲的播放数据，设置喜爱程度量化数据：单曲循环＝5，分享＝4，收藏＝3，主动播放＝2，听完＝1，跳过＝-1，不感兴趣＝-5，根据喜爱程度量化数据对歌单列表里的歌曲进行标记，得到一组多维歌单向量(x₁,x₂,x₃,...,x_m)，其中x_m表示用户对歌单列表里第m首的喜爱程度，利用向量的夹角余弦公式与音乐曲库里的歌单进行相似度计算，公式为：

其中(y₁,y₂,y₃,...,y_m)表示音乐曲库里的歌单向量，其中y_m表示歌单里第m首的喜爱程度，根据向量的夹角余弦值判断歌单的相似度，其中cosθ＝1表示两个歌单音乐风格完全一致，cosθ＝-1表示两个歌单音乐风格完全不一致；然后同时推送符合用户音乐风格和其他音乐风格的歌曲；根据获取到的用户歌单里歌曲的播放数据，设置喜爱程度量化数据进行量化播放数据，得到一组多维歌单向量，然后利用向量的夹角余弦公式将得到的一组多维歌单向量与音乐大数据库里的其它多维歌单向量进行相似度计算，最后根据相似度的值确定歌单，根据歌单里的歌曲推送符合用户音乐风格和其他音乐风格的歌曲。

在步骤S2中：利用大数据获取推送的其它音乐风格的歌曲片段播放热度和截取频次，然后将其它音乐风格的歌曲推送给用户时，当用户播放时首先从播放热度最高的片段开始，用户听完没有跳过之后再从头开始播放，如果用户从开头完整听完这首歌曲，将这首歌曲进行喜爱程度量化标记。

在步骤S3中：建立两个列表，根据推送给用户的符合用户音乐风格和其他音乐风格的歌曲的播放数据，进行分类存储，第一列表存放喜爱程度标记后大于1的其它音乐风格的歌曲，第二列表存放喜爱程度标记后大于6的符合用户音乐风格的歌曲，以便于用于进行重复推荐歌曲；对于两个列表里历史存储的歌曲喜爱程度数据大于10的歌曲自动添加到用户的歌单列表里，可以丰富用户的歌单里的歌曲，同时拓宽用户的音乐兴趣范围。

在步骤S4中：将建立的两个列表的歌曲添加到用户的歌单列表后，统计歌单列表里的音乐风格，得到一组集合C＝{(p₁,q₁),(p₂,q₂),(p₃,q₃),...,(p_k,q_k)}，其中(p_k,q_k)表示p_k种音乐风格的歌曲有q_k首；根据集合B和集合C绘制音乐风格柱状图，以音乐风格类型为横轴，歌曲数量为竖轴，通过计算每种音乐风格歌曲的数量占比比较用户原始的歌单列表的歌曲风格和推送歌曲加入后的歌单列表的歌曲风格，公式为：

其中z表示第i种音乐类型的歌曲占全部音乐类型歌曲的占比，d表示音乐风格类型数量，c_i表示第i种音乐风格的歌曲数量，i＝1,2,3,...,d；根据z的值总结用户音乐口味的丰富程度；通过将推送一段时间后的用户歌单列表和历史用户歌单列表进行数据化，得到两组集合，然后绘制出两组集合的柱状图，根据均值计算公式总结用户歌单列表里歌曲风格的变化。

实施例一：根据用户的歌单列表，统计歌单列表里的音乐风格得到一组集合A＝{a₁,a₂,a₃...,a_n}，设置喜爱程度量化数据：单曲循环＝5，分享＝4，收藏＝3，主动播放＝2，听完＝1，跳过＝-1，不感兴趣＝-5，根据用户的播放数据对集合A进行量化，得到一组多维歌单向量(x₁,x₂,x₃,...,x_m)，获取音乐大数据库里的多维歌单向量(y₁,y₂,y₃,...,y_m)，利用向量的夹角余弦公式进行相似度计算，公式为：

根据cosθ的取值确定是否推荐歌单里的歌曲，当cosθ＝1，根据该歌单推荐符合用户音乐风格的歌曲，当cosθ＝-1，根据该歌单推荐其它音乐风格的歌曲；利用大数据获取推送的其它音乐风格的歌曲片段播放热度和截取频次，然后用户在播放推送的其它音乐风格的歌曲时从播放热度高的片段开始放，当用户听完整个片段再从开始播放。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于大数据的音乐智能播放控制方法，其特征在于：所述方法包括以下步骤：

S1：通过采集用户歌单中的歌曲播放数据，分析用户歌单列表里的歌曲风格，总结用户的音乐视野，然后同时推送符合用户音乐风格和其他音乐风格的歌曲；

S2：根据音乐库里音乐片段播放热度和截取频次，用户在播放推送的其他风格的歌曲时自动先播放热度高的片段部分，用户听完了该片段再从头播放，然后反馈用户的听歌数据；

S3：建立两个列表，第一列表记录用户完整听完的推送的其它风格的歌曲，第二列表记录用户完整听完并单曲循环一次的推送的符合用户音乐风格的歌曲，然后将两个列表里用户完整听过三次及以上的歌曲自动加到用户歌单列表里并标记歌曲风格；

S4：比较用户原始的歌单列表的歌曲风格和推送歌曲加入后的歌单列表的歌曲风格，再次总结用户的音乐视野；

在步骤S1中：首先对音乐风格进行标记，得到一组集合A＝{a₁,a₂,a₃...,a_n}，其中a_n表示第n种音乐风格，统计用户歌单列表里的歌曲风格，得到一组集合B＝{(a₁,b₁),(a₂,b₂),(a₃,b₃),...,(a_n,b_n)}，其中(a_n,b_n)表示a_n种音乐风格的歌曲有b_n首；采集用户歌单中歌曲的播放数据，设置喜爱程度量化数据：单曲循环＝5，分享＝4，收藏＝3，主动播放＝2，听完＝1，跳过＝-1，不感兴趣＝-5，根据喜爱程度量化数据对歌单列表里的歌曲进行标记，得到一组多维歌单向量(x₁,x₂,x₃,...,x_m)，其中x_m表示用户对歌单列表里第m首的喜爱程度，利用向量的夹角余弦公式与音乐曲库里的歌单进行相似度计算，公式为：

其中(y₁,y₂,y₃,...,y_m)表示音乐曲库里的歌单向量，其中y_m表示歌单里第m首的喜爱程度，根据向量的夹角余弦值判断歌单的相似度，其中cosθ＝1表示两个歌单音乐风格完全一致，cosθ＝-1表示两个歌单音乐风格完全不一致；然后同时推送符合用户音乐风格和其他音乐风格的歌曲;

在步骤S4中：将建立的两个列表的歌曲添加到用户的歌单列表后，统计歌单列表里的音乐风格，得到一组集合C＝{(p₁,q₁),(p₂,q₂),(p₃,q₃),...,(p_k,q_k)}，其中(p_k,q_k)表示p_k种音乐风格的歌曲有q_k首；根据集合B和集合C绘制音乐风格柱状图，以音乐风格类型为横轴，歌曲数量为竖轴，通过计算每种音乐风格歌曲的数量占比比较用户原始的歌单列表的歌曲风格和推送歌曲加入后的歌单列表的歌曲风格，公式为：

其中z表示第i种音乐类型的歌曲占全部音乐类型歌曲的占比，d表示音乐风格类型数量，c_i表示第i种音乐风格的歌曲数量，i＝1,2,3,...,d；根据z的值总结用户音乐口味的丰富程度。

2.根据权利要求1所述的一种基于大数据的音乐智能播放控制方法，其特征在于：在步骤S2中：利用大数据获取推送的其它音乐风格的歌曲片段播放热度和截取频次，然后将其它音乐风格的歌曲推送给用户时，当用户播放时首先从播放热度最高的片段开始，用户听完没有跳过之后再从头开始播放，如果用户从开头完整听完这首歌曲，将这首歌曲进行喜爱程度量化标记。

3.根据权利要求1所述的一种基于大数据的音乐智能播放控制方法，其特征在于：在步骤S3中：建立两个列表，根据推送给用户的符合用户音乐风格和其他音乐风格的歌曲的播放数据，进行分类存储，第一列表存放喜爱程度标记后大于1的其它音乐风格的歌曲，第二列表存放喜爱程度标记后大于6的符合用户音乐风格的歌曲；对于两个列表里历史存储的歌曲喜爱程度数据大于10的歌曲自动添加到用户的歌单列表里。

4.一种实现权利要求1-3任一项的一种基于大数据的音乐智能播放控制方法的基于大数据的音乐智能播放控制系统，其特征在于：所述系统包括音乐数据采集模块、音乐数据分析模块、智能播放控制模块和音乐智能推送模块；所述音乐数据采集模块用于采集用户歌单中音乐播放数据和音乐曲库中音乐片段信息，与音乐数据分析模块相连；所述音乐数据分析模块用于获取音乐数据采集模块采集到的数据并进行分析，将分析结果发送到智能播放控制模块；所述智能播放控制模块用于根据分析结果对音乐播放进行智能控制；音乐智能推送模块用于获取音乐数据分析模块得到的分析结果，根据分析结果推送符合用户音乐风格的歌曲和其他音乐风格的歌曲，与音乐数据分析模块相连。

5.根据权利要求4所述的一种基于大数据的音乐智能播放控制系统，其特征在于：所述音乐数据采集模块包括音乐播放数据采集单元和音乐片段信息采集单元，所述音乐播放数据采集单元用于采集用户歌单中的歌曲播放数据，包括歌曲风格、切歌方式、切歌速度和单曲循环次数；所述音乐片段信息采集单元用于获取用户听歌时哼唱的歌曲片段信息和音乐曲库中的音乐被提取片段的信息。

6.根据权利要求4所述的一种基于大数据的音乐智能播放控制系统，其特征在于：所述音乐数据分析模块包括历史音乐数据分析单元和推送音乐数据分析单元，所述历史音乐数据分析单元用于分析音乐数据采集模块采集到的用户歌单列表里自己分类保存的歌曲的数据，判断用户的音乐兴趣和用户的音乐视野；所述推送音乐分析单元用于分析根据用户的音乐兴趣和用户的音乐视野推送的符合用户音乐风格的歌曲和其他音乐风格的歌曲，记录用户听推送的音乐时的数据，自动记录保存用户完整听完的一首歌曲信息。

7.根据权利要求4所述的一种基于大数据的音乐智能播放控制系统，其特征在于：所述智能播放控制模块包括音乐自动选取播放单元和音乐自动保存标记单元，所述音乐自动选取播放单元用于自动选取推送的其他风格歌曲的片段进行选择播放，并反馈用户此时听歌的数据；所述音乐自动保存标记单元用于记录用户完整听完推送的其他风格歌曲的信息并进行标记，然后保存其他风格歌曲库中用于重复推荐。

8.根据权利要求4所述的一种基于大数据的音乐智能播放控制系统，其特征在于：所述音乐智能推送模块包括用户风格音乐推送单元和其他风格音乐推送单元，所述用户风格音乐推送单元用户根据音乐数据分析模块得到的分析结果推送给用户符合用户歌单列表的音乐风格的歌曲；所述其他风格音乐推送单元用于根据音乐数据分析模块得到的分析结果推送给用户不同于用户歌单列表里歌曲音乐风格的歌曲。

Images