本發(fā)明涉及數(shù)據(jù)挖掘技術(shù)領(lǐng)域，尤其涉及一種音樂推薦方法及系統(tǒng)。

背景技術(shù)：

隨著計(jì)算機(jī)網(wǎng)絡(luò)的不斷發(fā)展和日益普及，人們可以方便快捷的獲取日益豐富的音樂資源，因此人們迫切需要新的技術(shù)對音樂資源進(jìn)行管理，實(shí)現(xiàn)對海量音樂資源的有效的檢索和訪問。傳統(tǒng)的音樂檢索僅限于對音樂歌曲名稱、歌手姓名、作詞人、作曲人等音樂的參照信息的檢索，而這樣的檢索遠(yuǎn)遠(yuǎn)無法滿足人們從音樂內(nèi)容上對音樂的檢索和管理。

目前，音樂門戶網(wǎng)站、網(wǎng)絡(luò)電臺(tái)、音樂播放軟件等的音樂推薦多采用用戶播放歷史記錄或用戶交互輸入來對用戶喜好進(jìn)行分析歸類，選擇曲庫中風(fēng)格、內(nèi)容相近或相符的曲目進(jìn)行推送，需要播放記錄積累或用戶主動(dòng)參與。音樂情感是刻畫音樂作品的一種很重要的信息，對音樂所表達(dá)的情感進(jìn)行準(zhǔn)確識(shí)別可以幫助人們更快捷的檢索和訪問適合自己的音樂，目前，在向用戶推薦音樂時(shí)沒有根據(jù)用戶的情感狀態(tài)推薦適合的音樂，在推薦的多樣化等方面存在劣勢，特別是推薦的音樂與用戶的情感狀態(tài)相差較大時(shí)，影響用戶對服務(wù)的感受度。

技術(shù)實(shí)現(xiàn)要素：

有鑒于此，本發(fā)明要解決的一個(gè)技術(shù)問題是提供一種音樂推薦方法，能夠推薦與用戶情感狀態(tài)匹配的音樂。

一種音樂推薦方法，包括：對曲庫中的音樂進(jìn)行分析，確定音樂情感特征；對用戶的情感狀態(tài)進(jìn)行識(shí)別，確定用戶情感特征；將所述用戶情感特征與所述音樂情感特征進(jìn)行匹配，生成與用戶的情感狀態(tài)相匹配的音樂推薦列表。

根據(jù)本發(fā)明的一個(gè)實(shí)施例，進(jìn)一步的，所述對曲庫中音樂進(jìn)行分析、確定音樂情感特征包括：提取曲庫中音樂的波形、歌詞關(guān)鍵詞；獲取所述波形在波形情感詞典中對應(yīng)的波形情感向量；獲取所述歌詞關(guān)鍵詞在歌詞情感詞典中對應(yīng)的歌詞情感向量；將所述波形情感向量和所述歌詞情感向量進(jìn)行向量加權(quán)疊加計(jì)算，獲取音樂情感特征向量；其中，所述波形情感向量和所述歌詞情感向量都為二維向量。

根據(jù)本發(fā)明的一個(gè)實(shí)施例，進(jìn)一步的，所述對用戶的情感狀態(tài)進(jìn)行識(shí)別、確定用戶情感特征包括：通過第三方接口，獲取用戶的社交應(yīng)用的個(gè)性簽名；從所述個(gè)性簽名中提取簽名關(guān)鍵詞和符號(hào)；獲取所述簽名關(guān)鍵詞在簽名關(guān)鍵詞情感詞典中對應(yīng)的簽名關(guān)鍵詞情感向量；獲取所述符號(hào)在符號(hào)情感詞典中對應(yīng)的符號(hào)情感向量；將所述簽名關(guān)鍵詞情感向量和所述符號(hào)情感向量進(jìn)行向量加權(quán)疊加計(jì)算，獲取用戶情感特征向量，其中，所述簽名關(guān)鍵詞情感向量和所述符號(hào)情感向量都為二維向量。

根據(jù)本發(fā)明的一個(gè)實(shí)施例，進(jìn)一步的，所述對用戶的情感狀態(tài)進(jìn)行識(shí)別、確定用戶情感特征包括：計(jì)算用戶在觸摸屏上操作的操作統(tǒng)計(jì)值；所述操作統(tǒng)計(jì)值包括：力度平均值、力度變化速率、按鍵間隔時(shí)間、觸點(diǎn)運(yùn)動(dòng)速度、刪除鍵按鍵頻率；獲取所述操作統(tǒng)計(jì)值在操作行為情感詞典中對應(yīng)的操作情感向量；其中，所述操作情感向量為二維向量；將所述操作感向量進(jìn)行向量加權(quán)疊加計(jì)算，獲取用戶情感特征向量。

根據(jù)本發(fā)明的一個(gè)實(shí)施例，進(jìn)一步的，所述計(jì)算用戶在觸摸屏上操作的操作統(tǒng)計(jì)值、獲取所述操作統(tǒng)計(jì)值在操作行為情感詞典中對應(yīng)的操作情感向量包括：檢測用戶是否在觸摸屏上進(jìn)行操作，如果是，則記錄操作時(shí)間點(diǎn)，并記錄用戶的操作信號(hào)，包括信號(hào)強(qiáng)度、觸點(diǎn)坐標(biāo)、刪除鍵、返回鍵位置；對所述操作信號(hào)按照連續(xù)性合并為操作流：其中，設(shè)定時(shí)間閾值，當(dāng)兩個(gè)操作信號(hào)間的間隔小于閾值時(shí)，將兩者歸入同一操作流；獲取每條操作流中的操作在所述操作行為情感詞典中對應(yīng)的情感向量。

根據(jù)本發(fā)明的一個(gè)實(shí)施例，進(jìn)一步的，所述將所述操作感向量進(jìn)行向量加權(quán)疊加計(jì)算、獲取用戶情感特征向量包括：將在設(shè)定的時(shí)間內(nèi)的 操作流的情感向量進(jìn)行向量加權(quán)疊加計(jì)算，獲取用戶情感特征向量。

根據(jù)本發(fā)明的一個(gè)實(shí)施例，進(jìn)一步的，所述將所述用戶情感特征與所述音樂情感特征進(jìn)行匹配、生成與用戶的情感狀態(tài)相匹配的音樂推薦列表包括：基于預(yù)設(shè)的順應(yīng)度、力度、矯正度對所述用戶情感特征向量與所述音樂情感特征向量進(jìn)行匹配計(jì)算，選取匹配度高的音樂生成所述音樂推薦列表。

根據(jù)本發(fā)明的一個(gè)實(shí)施例，進(jìn)一步的，所述基于預(yù)設(shè)的順應(yīng)度、力度、矯正度對所述用戶情感特征向量與所述音樂情感特征向量進(jìn)行匹配計(jì)算具體為：

F＝k_aA+k_bB+k_cC+k_dD；

其中，所述用戶情感特征向量為E(v_e,a_e)，v_e為愉悅度，a_e為活躍度；所述音樂的特征情感向量為M(v_m,a_m)，v_m為愉悅度，a_m為活躍度；F為匹配度；A為順應(yīng)度；B為力度；C、D為矯正度；K為預(yù)設(shè)的參數(shù)；

$A=\frac{v_m{v}_e+a_m{a}_e}{\sqrt{v_m^2+a_m^2}\sqrt{v_e^2+a_e^2}};$

$B=|\sqrt{v_m^2+a_m^2}-\sqrt{v_e^2+a_e^2}|;$

C=v_m-v_e；D=a_m-a_e。

本發(fā)明要解決的一個(gè)技術(shù)問題是提供一種音樂推薦系統(tǒng)，能夠推薦與用戶情感狀態(tài)匹配的音樂。

一種音樂推薦系統(tǒng)，包括：音樂情感分析單元，用于對曲庫中的音樂進(jìn)行分析，確定音樂情感特征；用戶情感分析單元，用于對用戶的情感狀態(tài)進(jìn)行識(shí)別，確定用戶情感特征；音樂推薦生成單元，用于將所述用戶情感特征與所述音樂情感特征進(jìn)行匹配，生成與用戶的情感狀態(tài)相匹配的音樂推薦列表。

根據(jù)本發(fā)明的一個(gè)實(shí)施例，進(jìn)一步的，所述音樂情感分析單元包括：波形提取模塊，用于提取曲庫中音樂的波形；歌詞提取模塊，用于提取曲庫中音樂的歌詞關(guān)鍵詞；波形情感向量計(jì)算模塊，用于獲取所述波形 在波形情感詞典中對應(yīng)的波形情感向量；歌詞情感向量計(jì)算模塊，用于獲取所述歌詞關(guān)鍵詞在歌詞情感詞典中對應(yīng)的歌詞情感向量；音樂情感向量計(jì)算模塊，用于將所述波形情感向量和所述歌詞情感向量進(jìn)行向量加權(quán)疊加計(jì)算，獲取音樂情感特征向量；其中，所述波形情感向量和所述歌詞情感向量都為二維向量。

根據(jù)本發(fā)明的一個(gè)實(shí)施例，進(jìn)一步的，所述用戶情感分析單元包括：社交應(yīng)用情感子單元，包括：個(gè)性簽名獲取模塊，用于獲取用戶的社交應(yīng)用的個(gè)性簽名；詞匯符號(hào)提取模塊，用于從所述個(gè)性簽名中提取簽名關(guān)鍵詞和符號(hào)；詞匯情感計(jì)算模塊，用于獲取所述簽名關(guān)鍵詞在簽名關(guān)鍵詞情感詞典中對應(yīng)的簽名關(guān)鍵詞情感向量；符號(hào)情感計(jì)算模塊，獲取所述符號(hào)在符號(hào)情感詞典中對應(yīng)的符號(hào)情感向量；個(gè)性簽名情感計(jì)模塊，用于將所述簽名關(guān)鍵詞情感向量和所述符號(hào)情感向量進(jìn)行向量加權(quán)疊加計(jì)算，獲取用戶情感特征向量，其中，所述簽名關(guān)鍵詞情感向量和所述符號(hào)情感向量都為二維向量。

根據(jù)本發(fā)明的一個(gè)實(shí)施例，進(jìn)一步的，所述用戶情感分析單元包括：用戶操作情感子單元，包括：操作統(tǒng)計(jì)模塊，用于計(jì)算用戶在觸摸屏上操作的操作統(tǒng)計(jì)值；所述操作統(tǒng)計(jì)值包括：力度平均值、力度變化速率、按鍵間隔時(shí)間、觸點(diǎn)運(yùn)動(dòng)速度、刪除鍵按鍵頻率；操作情感向量計(jì)算模塊，用于獲取所述操作統(tǒng)計(jì)值在操作行為情感詞典中對應(yīng)的操作情感向量；其中，所述操作情感向量為二維向量；用戶情感向量計(jì)算模塊，用于將所述操作感向量進(jìn)行向量加權(quán)疊加計(jì)算，獲取用戶情感特征向量。

根據(jù)本發(fā)明的一個(gè)實(shí)施例，進(jìn)一步的，所述操作統(tǒng)計(jì)模塊，還用于檢測用戶是否在觸摸屏上進(jìn)行操作，如果是，則記錄操作時(shí)間點(diǎn)，并記錄用戶的操作信號(hào)，包括信號(hào)強(qiáng)度、觸點(diǎn)坐標(biāo)、刪除鍵、返回鍵位置；對所述操作信號(hào)按照連續(xù)性合并為操作流：其中，設(shè)定時(shí)間閾值，當(dāng)兩個(gè)操作信號(hào)間的間隔小于閾值時(shí)，將兩者歸入同一操作流；所述操作情感向量計(jì)算模塊，還用于獲取每條操作流中的操作在所述操作行為情感詞典中對應(yīng)的情感向量。

根據(jù)本發(fā)明的一個(gè)實(shí)施例，進(jìn)一步的，所述用戶情感向量計(jì)算模塊， 還用于將在設(shè)定的時(shí)間內(nèi)的操作流的情感向量進(jìn)行向量加權(quán)疊加計(jì)算，獲取用戶情感特征向量。

根據(jù)本發(fā)明的一個(gè)實(shí)施例，進(jìn)一步的，所述音樂推薦生成單元，包括：情感向量匹配模塊，用于基于預(yù)設(shè)的順應(yīng)度、力度、矯正度對所述用戶情感特征向量與所述音樂情感特征向量進(jìn)行匹配計(jì)算；音樂推薦生成單元，用于選取匹配度高的音樂生成所述音樂推薦列表。

根據(jù)本發(fā)明的一個(gè)實(shí)施例，進(jìn)一步的，所述情感向量匹配模塊基于預(yù)設(shè)的順應(yīng)度、力度、矯正度對所述用戶情感特征向量與所述音樂情感特征向量進(jìn)行匹配計(jì)算具體為：F＝k_aA+k_bB+k_cC+k_dD；其中，所述用戶情感特征向量為E(v_e,a_e)，v_e為愉悅度，a_e為活躍度；所述音樂的特征情感向量為M(v_m,a_m)，v_m為愉悅度，a_m為活躍度；F為匹配度；A為順應(yīng)度；B為力度；C、D為矯正度；K為預(yù)設(shè)的參數(shù)；

$A=\frac{v_m{v}_e+a_m{a}_e}{\sqrt{v_m^2+a_m^2}\sqrt{v_e^2+a_e^2}};$

$B=|\sqrt{v_m^2+a_m^2}-\sqrt{v_e^2+a_e^2}|;$

C=v_m-v_e；D=a_m-a_e。

本發(fā)明的音樂推薦方法及系統(tǒng)，通過對用戶的情感狀態(tài)進(jìn)行分析，與曲庫中音樂的情感向量相比較，根據(jù)設(shè)定的情感需求匹配規(guī)則，完成音樂推薦。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作一簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)性的前提下，還可以根據(jù)這些附圖獲得其它的附圖。

圖1為根據(jù)本發(fā)明的音樂推薦方法的一個(gè)實(shí)施例的流程圖；

圖2為根據(jù)本發(fā)明的音樂推薦方法的另一個(gè)實(shí)施例的流程圖；

圖3為根據(jù)本發(fā)明的音樂推薦方法的又一個(gè)實(shí)施例的流程圖；

圖4為情感詞典中的情感向量的模型示意圖。

圖5為根據(jù)本發(fā)明的音樂推薦系統(tǒng)的一個(gè)實(shí)施例的模塊結(jié)構(gòu)示意圖；

圖6為根據(jù)本發(fā)明的音樂推薦系統(tǒng)的一個(gè)實(shí)施例的音樂情感分析單元的模塊結(jié)構(gòu)示意圖；

圖7為根據(jù)本發(fā)明的音樂推薦系統(tǒng)的一個(gè)實(shí)施例的用戶情感分析單元的模塊結(jié)構(gòu)示意圖；

圖8為根據(jù)本發(fā)明的音樂推薦系統(tǒng)的一個(gè)實(shí)施例的社交應(yīng)用情感子單元的模塊結(jié)構(gòu)示意圖；

圖9為根據(jù)本發(fā)明的音樂推薦系統(tǒng)的一個(gè)實(shí)施例的用戶操作情感子單元的模塊結(jié)構(gòu)示意圖；

圖10為根據(jù)本發(fā)明的音樂推薦系統(tǒng)的一個(gè)實(shí)施例的音樂推薦生成單元的模塊結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面參照附圖對本發(fā)明進(jìn)行更全面的描述，其中說明本發(fā)明的示例性實(shí)施例。下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其它實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。下面結(jié)合各個(gè)圖和實(shí)施例對本發(fā)明的技術(shù)方案進(jìn)行多方面的描述。

圖1為根據(jù)本發(fā)明的音樂推薦方法的一個(gè)實(shí)施例的流程圖，如圖1所示：

步驟101，對曲庫中的音樂進(jìn)行分析，確定音樂情感特征。

步驟102，對用戶的情感狀態(tài)進(jìn)行識(shí)別，確定用戶情感特征。

步驟103，將用戶情感特征與音樂情感特征進(jìn)行匹配，生成與用戶 的情感狀態(tài)相匹配的音樂推薦列表。

上述實(shí)施例中的音樂推薦方法，通過對用戶的情感狀態(tài)進(jìn)行分析，與曲庫中音樂的情感向量相比較，根據(jù)設(shè)定的情感需求匹配規(guī)則，完成音樂推薦。

對曲庫中音樂進(jìn)行分析、確定音樂情感特征包括：提取曲庫中音樂的波形、歌詞關(guān)鍵詞。獲取波形在波形情感詞典中對應(yīng)的波形情感向量。獲取歌詞關(guān)鍵詞在歌詞情感詞典中對應(yīng)的歌詞情感向量。將波形情感向量和歌詞情感向量進(jìn)行向量加權(quán)疊加計(jì)算，獲取音樂情感特征向量。波形情感向量和歌詞情感向量都為二維向量。

對與用戶的情感狀態(tài)進(jìn)行分析，可以采用多種方法，例如，分析社交網(wǎng)站中的個(gè)性簽名、用戶在觸摸屏上的操作等等。例如，通過第三方接口，獲取用戶的社交應(yīng)用的個(gè)性簽名。從個(gè)性簽名中提取簽名關(guān)鍵詞和符號(hào)。

獲取簽名關(guān)鍵詞在簽名關(guān)鍵詞情感詞典中對應(yīng)的簽名關(guān)鍵詞情感向量。獲取符號(hào)在符號(hào)情感詞典中對應(yīng)的符號(hào)情感向量。將簽名關(guān)鍵詞情感向量和符號(hào)情感向量進(jìn)行向量加權(quán)疊加計(jì)算，獲取用戶情感特征向量，簽名關(guān)鍵詞情感向量和符號(hào)情感向量都為二維向量。

通過數(shù)據(jù)接口，提取第三方應(yīng)用上用戶個(gè)性簽名列表，例如微信、飛信、QQ等。對歌曲的文本字詞、音樂波形、個(gè)性簽名的表情符號(hào)進(jìn)行詞條情感向量編寫，同時(shí)接收分析處理的情感向量反饋并存儲(chǔ)，進(jìn)行詞典的個(gè)性化和優(yōu)化，維護(hù)簽名關(guān)鍵詞情感詞典、波形情感詞典等等。

在一個(gè)實(shí)施例中，分別提取簽名的關(guān)鍵詞、符號(hào)，提取音樂的波形、歌詞關(guān)鍵詞，根據(jù)詞典進(jìn)行情感分布統(tǒng)計(jì)，獲取各自的情感向量，通過詞條情感向量疊加，確定簽名、歌曲的特征情感向量。將個(gè)性簽名與音樂的情感向量進(jìn)行順應(yīng)度、力度、矯正度計(jì)算，設(shè)定權(quán)重，綜合得到簽名-音樂的匹配度并提取匹配度高的音樂。

圖2為根據(jù)本發(fā)明的音樂推薦方法的另一個(gè)實(shí)施例的流程圖，如圖2所示：

步驟201，通過實(shí)驗(yàn)建立歌詞情感詞典、波形情感詞典、符號(hào)情感 詞典等，為常用歌詞的文本詞匯、樂曲波形、個(gè)性簽名的符號(hào)表情建立二維情感向量。

對曲庫中的樂曲進(jìn)行波形、歌詞提取。結(jié)合波形情感詞典對樂曲進(jìn)行波形情感向量計(jì)算。結(jié)合歌詞情感詞典，對樂曲進(jìn)行歌詞的關(guān)鍵詞情感向量計(jì)算。匯總分析后確定樂曲的情感特征向量。

步驟202，當(dāng)用戶登錄音樂播放應(yīng)用，獲取社交應(yīng)用個(gè)性簽名讀取權(quán)限。

步驟203，通過第三方接口，獲取社交應(yīng)用的個(gè)性簽名。

步驟204，對簽名進(jìn)行關(guān)鍵詞和符號(hào)提取。結(jié)合簽名關(guān)鍵詞情感詞典和符號(hào)情感詞典對個(gè)性簽名進(jìn)行情感向量計(jì)算，匯總分析后確定簽名的情感特征向量。

步驟205，將個(gè)性簽名的情感特征向量與曲庫中音樂的情感特征向量相匹配，并基于順應(yīng)度、力度、矯正度進(jìn)行情感需求匹配分析，選取匹配度的Top-100，生成推薦列表。

步驟206，隨機(jī)選取列表中的20首，傳送到推薦欄。

上述實(shí)施例中的音樂推薦方法，通過樂曲的情感分類、個(gè)性簽名的情感分類，進(jìn)行個(gè)性簽名與樂曲的相互匹配，為用戶提供更準(zhǔn)確的音樂需求指導(dǎo)。

在一個(gè)實(shí)施例中，計(jì)算用戶在觸摸屏上操作的操作統(tǒng)計(jì)值。操作統(tǒng)計(jì)值包括：力度平均值、力度變化速率、按鍵間隔時(shí)間、觸點(diǎn)運(yùn)動(dòng)速度、刪除鍵按鍵頻率等。獲取操作統(tǒng)計(jì)值在操作行為情感詞典中對應(yīng)的操作情感向量。操作情感向量為二維向量，將操作感向量進(jìn)行向量加權(quán)疊加計(jì)算，獲取用戶情感特征向量。

操作行為反映用戶近期的情緒狀況，通過行為特征分析識(shí)別心情客服了心情聲音識(shí)別的應(yīng)用面狹窄問題，以及心情影像識(shí)別的成本問題。快捷高效的操作行為－心情匹配，便于降低精細(xì)化營銷成本，提高音樂的投送準(zhǔn)確率、廣告轉(zhuǎn)化率、服務(wù)滿意度等。

接入手機(jī)輸入端傳感器數(shù)據(jù)，通過實(shí)時(shí)記錄用戶的按鍵、點(diǎn)擊、劃寫等手機(jī)操作行為的力度、頻率和軌跡，根據(jù)行為情感字典進(jìn)行特征參 數(shù)匹配和情感分類，從而輸出用戶實(shí)時(shí)心情，可及時(shí)了解用戶心情變化，而不借助交互式輸入或硬件感應(yīng)等額外工作成本。

接入手機(jī)輸入端的傳感器數(shù)據(jù)，檢測用戶操作。記錄操作的力度變化、軌跡坐標(biāo)變化以及刪除鍵、返回鍵鍵位。對操作的力度、力度變化速率、頻率、頻率變化速率、軌跡、速度等進(jìn)行情感的對應(yīng)，為不同行為特征建立詞條和相應(yīng)的情感向量。并引入可調(diào)參數(shù)，實(shí)現(xiàn)個(gè)性化。

提取操作記錄，根據(jù)連續(xù)程度將記錄進(jìn)行歸并，形成多條操作流。計(jì)算每一條操作流的特征參數(shù)，與情感詞典的詞條進(jìn)行匹配，賦予相應(yīng)的情感向量。將一定時(shí)間內(nèi)的操作流進(jìn)行情感向量的加權(quán)疊加；根據(jù)疊加的總情感向量，對心情進(jìn)行歸類、輸出。

例如，檢測用戶是否在觸摸屏上進(jìn)行操作，如果是，則記錄操作時(shí)間點(diǎn)，并記錄用戶的操作信號(hào)，包括信號(hào)強(qiáng)度、觸點(diǎn)坐標(biāo)、刪除鍵、返回鍵位置等。對操作信號(hào)按照連續(xù)性合并為操作流，設(shè)定時(shí)間閾值，當(dāng)兩個(gè)操作信號(hào)間的間隔小于閾值時(shí)，將兩者歸入同一操作流。獲取每條操作流中的操作在操作行為情感詞典中對應(yīng)的情感向量。將在設(shè)定的時(shí)間內(nèi)的操作流的情感向量進(jìn)行向量加權(quán)疊加計(jì)算，獲取用戶情感特征向量。

圖3為根據(jù)本發(fā)明的音樂推薦方法的又一個(gè)實(shí)施例的流程圖，如圖3所示：

步驟301，系統(tǒng)初始化，利用歷史數(shù)據(jù)更新操作行為情感詞典。

操作行為情感詞典根據(jù)操作的特征參數(shù)進(jìn)行情感向量的數(shù)值標(biāo)定，如力度較大、點(diǎn)按過程較快、刪除鍵按鍵頻率高，則情感向量的a_e維度值較大，v_e維度值較小?？筛鶕?jù)用戶的操作平均值、人工監(jiān)督反饋進(jìn)行個(gè)性化參數(shù)調(diào)整。

步驟302，檢測用戶是否進(jìn)行手機(jī)操作，記錄操作時(shí)間點(diǎn)。

步驟303，接入手機(jī)輸入端的傳感器信號(hào)，包括信號(hào)強(qiáng)度、觸點(diǎn)坐標(biāo)、刪除鍵、返回鍵位置等。

步驟304，對信號(hào)記錄按照連續(xù)性進(jìn)行操作流歸并，設(shè)定時(shí)間閾值，當(dāng)兩個(gè)操作信號(hào)間的間隔小于閾值時(shí)，將兩者歸入同一操作流。

步驟305，分析操作流信號(hào)，計(jì)算操作的力度平均值、變化速率、按鍵間隔時(shí)間、觸點(diǎn)運(yùn)動(dòng)速度、按鍵頻率等參數(shù)。將平均值反饋回操作行為情感詞典進(jìn)行存儲(chǔ)、優(yōu)化。

步驟306，將操作流參數(shù)與操作行為情感詞典進(jìn)行匹配，賦予相應(yīng)的情感向量。

步驟307，設(shè)定時(shí)間長度，將一定時(shí)長內(nèi)的各個(gè)操作流情感向量進(jìn)行疊加分析，獲得時(shí)段內(nèi)的總情感向量。

步驟308，根據(jù)總情感向量，確定心情的類別，輸出時(shí)序心情結(jié)果。

步驟309，將結(jié)果的準(zhǔn)確度反饋回操作行為情感詞典，對操作行為情感詞典進(jìn)行優(yōu)化。

例如，多個(gè)情感字典采用Russell的V-A模型，或是Thayer模型。V-A模型情感字典中的各種情感向量都為二維向量，情感向量包含愉悅度、活躍度兩個(gè)實(shí)數(shù)維度(v,a)。如圖4所示，根據(jù)V-A模型，建立波形情感詞典和歌詞情感向量，在2個(gè)情感向量中確定二維情感向量，維度上賦予實(shí)數(shù)，數(shù)值大小反映情感強(qiáng)度，數(shù)據(jù)正負(fù)反映情感方向。

提取曲庫中音樂的波形A、歌詞關(guān)鍵詞“正能量”，獲取波形A在波形情感詞典中對應(yīng)的波形情感向量(0.5，0.2),獲取“正能量”在歌詞情感詞典中對應(yīng)的歌詞情感向量(0.3，0.1)。將波形情感向量(0.5，0.2)和歌詞情感向量(0.3，0.1)進(jìn)行向量加權(quán)疊加計(jì)算，例如，權(quán)值都為0.5，則此音樂的音樂情感特征向量(0.4，0.15)。其它情感特征向量的算法與計(jì)算音樂情感特征向量的算法相同，不再一一舉例。

在一個(gè)實(shí)施例中，用戶在終端下載、安裝客服APP，征詢獲取終端輸入傳感器信號(hào)的權(quán)限。后臺(tái)檢測、記錄傳感器信號(hào)時(shí)間、力度和軌跡；將信號(hào)根據(jù)連續(xù)性分為不同操作流。計(jì)算用戶操作行為的力度平均值、力度變化速率、按鍵間隔時(shí)間、觸點(diǎn)運(yùn)動(dòng)速度、刪除鍵按鍵頻率等。根據(jù)操作歷史平均數(shù)據(jù)，將實(shí)時(shí)的特征參數(shù)進(jìn)行校準(zhǔn)，并與情感詞典進(jìn)行匹配，確定情感向量。對15分鐘內(nèi)的操作流進(jìn)行情感向量疊加，確定并記錄用戶心情狀態(tài)；

例如，用戶在終端下載、安裝音樂APP，征詢獲取終端輸入傳感器 信號(hào)的權(quán)限。后臺(tái)檢測、記錄傳感器信號(hào)時(shí)間、力度和軌跡，將信號(hào)根據(jù)連續(xù)性分為不同操作流。計(jì)算用戶操作行為的力度平均值、力度變化速率、按鍵間隔時(shí)間、觸點(diǎn)運(yùn)動(dòng)速度、刪除鍵按鍵頻率等。根據(jù)操作歷史平均數(shù)據(jù)，將實(shí)時(shí)的特征參數(shù)進(jìn)行校準(zhǔn)，并與情感詞典進(jìn)行匹配，確定情感向量，對30分鐘內(nèi)的操作流進(jìn)行情感向量疊加，確定并記錄用戶心情狀態(tài)。用戶打開音樂APP時(shí)，根據(jù)用戶的心情進(jìn)行樂曲推薦，也可以進(jìn)行廣告、視頻等的推薦。

推薦規(guī)則可定位為：用戶心情處于高興區(qū)間，則推薦節(jié)奏感強(qiáng)音樂；用戶心情處于焦躁區(qū)間，則安靜、舒緩音樂；處于疲倦心情區(qū)間，則推送抒情音樂。根據(jù)用戶收聽的音樂類型，切換的頻率，評(píng)判心情推送的準(zhǔn)確性，將結(jié)果反饋回音樂APP。APP根據(jù)反饋進(jìn)行參數(shù)優(yōu)化。

在一個(gè)實(shí)施例中，對曲庫的樂曲進(jìn)行情感分析和歸類。對于純音樂，通過波形的分析來定位，對于歌曲，則結(jié)合波形分析和歌詞情感分析來定位。對于每一首樂曲將獲得特征情感向量，完成曲庫樂曲的情感歸類。當(dāng)用戶登錄播放界面，請求獲得個(gè)性簽名讀取權(quán)限。

獲取用戶簽名歷史，選取一定時(shí)期內(nèi)的文本狀態(tài)。對文本狀態(tài)進(jìn)行關(guān)鍵詞、表情符號(hào)匹配和統(tǒng)計(jì)，賦予用戶一個(gè)當(dāng)前的特征情感向量。將用戶情感向量與曲庫中的樂曲情感向量進(jìn)行匹配度計(jì)算，獲得樂曲匹配列表。選取匹配度前10的歌曲進(jìn)行樂曲推薦

用戶情感特征向量可以分別通過用戶操作、個(gè)性簽名的分析等獲取，可以進(jìn)行向量加權(quán)疊加計(jì)算。例如，將簽名關(guān)鍵詞情感向量和符號(hào)情感向量進(jìn)行向量加權(quán)疊加計(jì)算獲取用戶情感特征向量(0.6，0.2)，獲取操作統(tǒng)計(jì)值在操作行為情感詞典中對應(yīng)的操作情感向量為(0.7.0.3)，設(shè)定權(quán)值都為0.5，則進(jìn)行向量加權(quán)疊加計(jì)算的用戶情感特征向量為(0.65，0.25)。

基于預(yù)設(shè)的順應(yīng)度、力度、矯正度對用戶情感特征向量與音樂情感特征向量進(jìn)行匹配計(jì)算，具體為：

F＝k_aA+k_bB+k_cC+k_dD；

用戶情感特征向量為E(v_e,a_e)，v_e為愉悅度，a_e為活躍度；音樂的特 征情感向量為M(v_m,a_m)，v_m為愉悅度，a_m為活躍度；F為匹配度。

A為順應(yīng)度，B為力度，C、D為矯正度，K為預(yù)設(shè)的參數(shù)，如下式所示：

$A=\frac{v_m{v}_e+a_m{a}_e}{\sqrt{v_m^2+a_m^2}\sqrt{v_e^2+a_e^2}};$

$B=|\sqrt{v_m^2+a_m^2}-\sqrt{v_e^2+a_e^2}|;$C＝v_m-v_e；D＝a_m-a_e。

在一個(gè)實(shí)施例中，多個(gè)情感詞典可以基于Russell的V-A情感空間模型，多個(gè)情感詞典中確定的情感向量包含愉悅度、活躍度兩個(gè)實(shí)數(shù)維度(v,a)，正值越大，心情越愉悅舒暢。推薦系統(tǒng)目標(biāo)在于把用戶心情向正空間調(diào)整，并減少用戶逆反和過激。

例如，建立情感詞典，對詞匯、波形、符號(hào)編訂情感向量。提取簽名、樂曲中的詞匯、符號(hào)、波形，進(jìn)行情感向量疊加，獲得特征情感向量。E(v_e,a_e)為用戶的特征情感向量，v_e為愉悅度，a_e為活躍度。

在歸一化的情況下，諸如用戶處于周末閑暇狀態(tài)，心情愉悅，但不十分興奮，E的一個(gè)可能值為(0.8，0.2)。若處于工作壓力之中，則愉悅感低，活躍度低，E可能值為(-0.9，-0.5)。M(v_m,a_m)為音樂的特征情感向量，v_m為愉悅度，a_m為活躍度。比如五月天的《戀愛ing》，M的可能值(0.9，0.7)，張惠妹的《聽?！罚琈為(-0.5，-0.6)。

向量方向相似，減少逆反。順應(yīng)度A計(jì)算如下式：

$A=\frac{v_m{v}_e+a_m{a}_e}{\sqrt{v_m^2+a_m^2}\sqrt{v_e^2+a_e^2}};$

例如：用戶E＝(0.8,0.2)，對于歌曲《戀愛ing》M＝(0.9,0.7),A＝0.438。對于歌曲《聽海》，M＝(-0.5,-0.6)，A＝-0.312?！稇賽踚ng》與當(dāng)前心情較為一致。

向量大小相似，減少情緒過激；力度B計(jì)算如下式，通過向量計(jì)算獲取力度值：

$B=|\sqrt{v_m^2+a_m^2}-\sqrt{v_e^2+a_e^2}|;$

例如，用戶E＝(0.8,0.2)。對于歌曲《戀愛ing》，B＝0.315；對于歌曲《聽?！?，B＝0.044?！堵牶！吩诹Χ壬细鼮槠ヅ?。

向量差應(yīng)朝向正空間；矯正度C、D計(jì)算如下式：

C=v_m-v_e，D=a_m-a_e；

對于歌曲《戀愛ing》，C＝0.1，D＝0.5。對于歌曲《聽?！?，C＝-1.3，D＝-0.8。歌曲《戀愛ing》屬于正向矯正，歌曲《聽?！穼儆诜聪虺C正。

匹配度綜合計(jì)算；k為用戶個(gè)性化系數(shù)，如下式：

F＝k_aA+k_bB+k_cC+k_dD。

K系數(shù)根據(jù)實(shí)驗(yàn)結(jié)果來作調(diào)配。例如，k_a＝0.7、k_b＝-0.8、k_c＝0.9、k_d＝0.9，則對于歌曲《戀愛ing》F＝0.595，對于歌曲《聽?！罚現(xiàn)＝-2.144，那么歌曲《戀愛ing》與用戶情感狀態(tài)的匹配程度更高。

上述實(shí)施例提供的音樂推薦方法，進(jìn)行用戶情感分析，根據(jù)用戶的情感狀態(tài)，按照情感需求匹配的方法，推薦相應(yīng)類別的曲目，實(shí)現(xiàn)精確、自動(dòng)、高效的音樂推薦。

如圖5所示，本發(fā)明提供一種音樂推薦系統(tǒng)4。音樂情感分析單元41對曲庫中的音樂進(jìn)行分析，確定音樂情感特征。用戶情感分析單元42對用戶的情感狀態(tài)進(jìn)行識(shí)別，確定用戶情感特征。音樂推薦生成單元43將用戶情感特征與音樂情感特征進(jìn)行匹配，生成與用戶的情感狀態(tài)相匹配的音樂推薦列表。

如圖6所示，波形提取模塊411提取曲庫中音樂的波形。歌詞提取模塊412提取曲庫中音樂的歌詞關(guān)鍵詞。波形情感向量計(jì)算模塊413獲取波形在波形情感詞典中對應(yīng)的波形情感向量。歌詞情感向量計(jì)算模塊414獲取歌詞關(guān)鍵詞在歌詞情感詞典中對應(yīng)的歌詞情感向量。音樂情感向量計(jì)算模塊415將波形情感向量和歌詞情感向量進(jìn)行向量加權(quán)疊加計(jì)算，獲取音樂情感特征向量。波形情感向量和歌詞情感向量都為二維向量。

如圖7所示，用戶情感分析單元42包括：社交應(yīng)用情感子單元51和用戶操作情感子單元52。如圖8所示，個(gè)性簽名獲取模塊511獲取用 戶的社交應(yīng)用的個(gè)性簽名。詞匯符號(hào)提取模塊512從個(gè)性簽名中提取簽名關(guān)鍵詞和符號(hào)。詞匯情感計(jì)算模塊513獲取簽名關(guān)鍵詞在簽名關(guān)鍵詞情感詞典中對應(yīng)的簽名關(guān)鍵詞情感向量。符號(hào)情感計(jì)算模塊514獲取符號(hào)在符號(hào)情感詞典中對應(yīng)的符號(hào)情感向量。個(gè)性簽名情感計(jì)模塊515將簽名關(guān)鍵詞情感向量和符號(hào)情感向量進(jìn)行向量加權(quán)疊加計(jì)算，獲取用戶情感特征向量，簽名關(guān)鍵詞情感向量和符號(hào)情感向量都為二維向量。

如圖9所示，操作統(tǒng)計(jì)模塊521計(jì)算用戶在觸摸屏上操作的操作統(tǒng)計(jì)值，操作統(tǒng)計(jì)值包括：力度平均值、力度變化速率、按鍵間隔時(shí)間、觸點(diǎn)運(yùn)動(dòng)速度、刪除鍵按鍵頻率等。操作情感向量計(jì)算模塊522獲取操作統(tǒng)計(jì)值在操作行為情感詞典中對應(yīng)的操作情感向量，操作情感向量為二維向量。用戶情感向量計(jì)算模塊523將操作感向量進(jìn)行向量加權(quán)疊加計(jì)算，獲取用戶情感特征向量。

操作統(tǒng)計(jì)模塊521檢測用戶是否在觸摸屏上進(jìn)行操作，如果是，則記錄操作時(shí)間點(diǎn)，并記錄用戶的操作信號(hào)，包括信號(hào)強(qiáng)度、觸點(diǎn)坐標(biāo)、刪除鍵、返回鍵位置。對操作信號(hào)按照連續(xù)性合并為操作流：其中，設(shè)定時(shí)間閾值，當(dāng)兩個(gè)操作信號(hào)間的間隔小于閾值時(shí)，將兩者歸入同一操作流。操作情感向量計(jì)算模塊522獲取每條操作流中的操作在操作行為情感詞典中對應(yīng)的情感向量。用戶情感向量計(jì)算模塊523將在設(shè)定的時(shí)間內(nèi)的操作流的情感向量進(jìn)行向量加權(quán)疊加計(jì)算，獲取用戶情感特征向量。

如圖10所示，情感向量匹配模塊431基于預(yù)設(shè)的順應(yīng)度、力度、矯正度對用戶情感特征向量與音樂情感特征向量進(jìn)行匹配計(jì)算。音樂推薦生成單元432選取匹配度高的音樂生成音樂推薦列表。情感向量匹配模塊431基于預(yù)設(shè)的順應(yīng)度、力度、矯正度對用戶情感特征向量與音樂情感特征向量進(jìn)行匹配計(jì)算具體為：F＝k_aA+k_bB+k_cC+k_dD；其中，用戶情感特征向量為E(v_e,a_e)，v_e為愉悅度，a_e為活躍度；音樂的特征情感向量為M(v_m,a_m)，v_m為愉悅度，a_m為活躍度；F為匹配度；A為順應(yīng)度；B為力度；C、D為矯正度；K為預(yù)設(shè)的參數(shù)；

$A=\frac{v_m{v}_e+a_m{a}_e}{\sqrt{v_m^2+a_m^2}\sqrt{v_e^2+a_e^2}};$

$B=|\sqrt{v_m^2+a_m^2}-\sqrt{v_e^2+a_e^2}|;$

C=v_m-v_e；D=a_m-a_e。

上述實(shí)施例提供的音樂推薦方法及系統(tǒng)，進(jìn)行用戶情感分析，根據(jù)用戶的情感狀態(tài)，按照情感需求匹配的方法，推薦相應(yīng)類別的曲目，實(shí)現(xiàn)精確、自動(dòng)、高效的音樂推薦，并且推薦內(nèi)容更有跨越性，無需用戶的預(yù)先設(shè)置，系統(tǒng)的智能化程度更高。

可能以許多方式來實(shí)現(xiàn)本發(fā)明的方法和系統(tǒng)。例如，可通過軟件、硬件、固件或者軟件、硬件、固件的任何組合來實(shí)現(xiàn)本發(fā)明的方法和系統(tǒng)。用于方法的步驟的上述順序僅是為了進(jìn)行說明，本發(fā)明的方法的步驟不限于以上具體描述的順序，除非以其它方式特別說明。此外，在一些實(shí)施例中，還可將本發(fā)明實(shí)施為記錄在記錄介質(zhì)中的程序，這些程序包括用于實(shí)現(xiàn)根據(jù)本發(fā)明的方法的機(jī)器可讀指令。因而，本發(fā)明還覆蓋存儲(chǔ)用于執(zhí)行根據(jù)本發(fā)明的方法的程序的記錄介質(zhì)。

本發(fā)明的描述是為了示例和描述起見而給出的，而并不是無遺漏的或者將本發(fā)明限于所公開的形式。很多修改和變化對于本領(lǐng)域的普通技術(shù)人員而言是顯然的。選擇和描述實(shí)施例是為了更好說明本發(fā)明的原理和實(shí)際應(yīng)用，并且使本領(lǐng)域的普通技術(shù)人員能夠理解本發(fā)明從而設(shè)計(jì)適于特定用途的帶有各種修改的各種實(shí)施例。