本發(fā)明涉及音樂(lè)推薦，具體涉及基于音樂(lè)集成平臺(tái)的音樂(lè)智能播放方法。

背景技術(shù)：

1、隨著現(xiàn)代社會(huì)生產(chǎn)力的不斷提升，人們的娛樂(lè)休閑活動(dòng)變得多元化，生活方式有了更多選擇。在移動(dòng)互聯(lián)網(wǎng)和移動(dòng)終端的發(fā)展和普及之下，各類移動(dòng)應(yīng)用逐漸滲透至人們的工作和生活場(chǎng)景。據(jù)統(tǒng)計(jì)，音樂(lè)類應(yīng)用的使用率在各類娛樂(lè)應(yīng)用的使用率排行中保持前列。音樂(lè)作為人類最重要的娛樂(lè)和精神消遣對(duì)象之一，在移動(dòng)互聯(lián)網(wǎng)時(shí)代的移動(dòng)化和社交化趨勢(shì)下，顯示出新的色彩和力量，在人們的社交活動(dòng)中起著越來(lái)越重要的作用。

2、當(dāng)前主流的音樂(lè)推薦系統(tǒng)主要采用協(xié)同過(guò)濾和lda（latent?dirichletallocation，主題模型）技術(shù)。協(xié)同過(guò)濾通過(guò)分析用戶的聽歌行為來(lái)生成推薦，但這種方法容易受到流行趨勢(shì)的影響，導(dǎo)致推薦的歌曲傾向于熱門曲目。而傳統(tǒng)的lda模型雖然能夠揭示用戶的興趣主題及相應(yīng)的歌曲列表，但它對(duì)訓(xùn)練數(shù)據(jù)非常敏感，可能會(huì)因?yàn)檎Z(yǔ)料庫(kù)的偏差而在訓(xùn)練過(guò)程中產(chǎn)生誤差，進(jìn)而影響推薦的準(zhǔn)確性。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供基于音樂(lè)集成平臺(tái)的音樂(lè)智能播放方法，解決以下技術(shù)問(wèn)題：

2、當(dāng)前主流的音樂(lè)推薦系統(tǒng)主要采用協(xié)同過(guò)濾和lda（latent?dirichletallocation，主題模型）技術(shù)。協(xié)同過(guò)濾通過(guò)分析用戶的聽歌行為來(lái)生成推薦，但這種方法容易受到流行趨勢(shì)的影響，導(dǎo)致推薦的歌曲傾向于熱門曲目。而傳統(tǒng)的lda模型雖然能夠揭示用戶的興趣主題及相應(yīng)的歌曲列表，但它對(duì)訓(xùn)練數(shù)據(jù)非常敏感，可能會(huì)因?yàn)檎Z(yǔ)料庫(kù)的偏差而在訓(xùn)練過(guò)程中產(chǎn)生誤差，進(jìn)而影響推薦的準(zhǔn)確性。

3、本發(fā)明的目的可以通過(guò)以下技術(shù)方案實(shí)現(xiàn)：

4、基于音樂(lè)集成平臺(tái)的音樂(lè)智能播放方法，其特征在于，包括以下步驟：

5、s1，設(shè)定監(jiān)測(cè)周期，獲取目標(biāo)對(duì)象在所述監(jiān)測(cè)周期內(nèi)的播放數(shù)據(jù)，所述播放數(shù)據(jù)包括播放音樂(lè)、播放次數(shù)和交互行為；所述交互行為包括點(diǎn)贊、分享和下載；

6、s2，將存在交互行為的播放音樂(lè)作為待定音樂(lè)，選取任一待定音樂(lè)并獲取該待定音樂(lè)在所述監(jiān)測(cè)周期內(nèi)的播放次數(shù)，根據(jù)播放次數(shù)計(jì)算該待定音樂(lè)的推薦分?jǐn)?shù)，若該待定音樂(lè)的推薦分?jǐn)?shù)大于等于預(yù)設(shè)閾值，則將該待定音樂(lè)標(biāo)定為目標(biāo)音樂(lè)；

7、s3，獲取所有播放音樂(lè)的推薦分?jǐn)?shù)并進(jìn)行求和，得到推薦分?jǐn)?shù)總值w'，將不存在交互行為的播放音樂(lè)作為觀測(cè)音樂(lè)，計(jì)算任一觀測(cè)音樂(lè)的推薦分?jǐn)?shù)與推薦分?jǐn)?shù)總值的比值，并將該比值標(biāo)定為該觀測(cè)音樂(lè)的興趣度x，獲取該目標(biāo)音樂(lè)對(duì)應(yīng)標(biāo)簽并標(biāo)記為y1,y2,...,yn，根據(jù)所述觀測(cè)音樂(lè)的興趣度依次計(jì)算該目標(biāo)音樂(lè)對(duì)應(yīng)標(biāo)簽的興趣度并標(biāo)記為p1,p2,...,pn；

8、獲取用戶未播放的音樂(lè)并標(biāo)記為待推薦音樂(lè)，獲取該目標(biāo)音樂(lè)和所有待推薦音樂(lè)的頻譜特征，根據(jù)所述頻譜特征計(jì)算任一待推薦音樂(lè)與該目標(biāo)音樂(lè)之間的相似距離值并標(biāo)記為c1,c2,...,cm；

9、s4，獲取任一待推薦音樂(lè)對(duì)應(yīng)標(biāo)簽，將待推薦音樂(lè)對(duì)應(yīng)的標(biāo)簽與目標(biāo)音樂(lè)對(duì)應(yīng)的標(biāo)簽進(jìn)行比對(duì)，得到所有重合標(biāo)簽，獲取所有重合標(biāo)簽對(duì)應(yīng)的興趣度并進(jìn)行求和，將求和值作為該待推薦音樂(lè)的興趣度，根據(jù)所述興趣度對(duì)該待推薦音樂(lè)的相似距離值進(jìn)行修正，根據(jù)修正后的相似距離值按從小到大的方式對(duì)所有待推薦音樂(lè)進(jìn)行排序，根據(jù)排序結(jié)果對(duì)目標(biāo)對(duì)象進(jìn)行音樂(lè)推薦。

10、作為本發(fā)明進(jìn)一步的方案：所述s2中，推薦分?jǐn)?shù)的具體計(jì)算過(guò)程為：

11、；

12、其中，ki為第i個(gè)待定音樂(lè)的播放次數(shù)，k為監(jiān)測(cè)周期內(nèi)所有音樂(lè)的播放次數(shù)，l與s為預(yù)設(shè)系數(shù)，且l大于s，ai為第i個(gè)待定音樂(lè)的交互總次數(shù)。

13、作為本發(fā)明進(jìn)一步的方案：所述s3中，目標(biāo)音樂(lè)對(duì)應(yīng)標(biāo)簽包括節(jié)拍、情感、歌手名稱、流派和語(yǔ)言。

14、作為本發(fā)明進(jìn)一步的方案：所述s3中，興趣度的計(jì)算過(guò)程為：

15、選取任一觀測(cè)音樂(lè)，將該觀測(cè)音樂(lè)任一對(duì)應(yīng)標(biāo)簽的興趣度標(biāo)定為該觀測(cè)音樂(lè)的興趣度，獲取目標(biāo)音樂(lè)對(duì)應(yīng)標(biāo)簽并計(jì)算該目標(biāo)音樂(lè)對(duì)應(yīng)標(biāo)簽的興趣度，具體計(jì)算公式為：

16、；

17、pm表示目標(biāo)音樂(lè)對(duì)應(yīng)標(biāo)簽m的興趣度，i表示與標(biāo)簽m對(duì)應(yīng)的播放音樂(lè)，q表示標(biāo)簽m對(duì)應(yīng)的觀測(cè)音樂(lè)總量，xi表示觀測(cè)音樂(lè)i的興趣度，m∈n，n為對(duì)應(yīng)標(biāo)簽的總數(shù)。

18、作為本發(fā)明進(jìn)一步的方案：所述s3中，頻譜特征提取的具體過(guò)程為：

19、獲取任一音樂(lè)，將該音樂(lè)按預(yù)設(shè)幀長(zhǎng)進(jìn)行分幀處理，得到音頻幀序列r1,r2,...,rt，t為正整數(shù)，采用梅爾頻率倒譜變換技術(shù)生成每一音頻幀所對(duì)應(yīng)的頻譜圖，選取每一頻譜圖中最大峰值所對(duì)應(yīng)的頻率，得到頻率序列p1,p2,p3,...,pt，通過(guò)方差公式該頻率序列的方差；選取任一音頻幀所對(duì)應(yīng)頻譜的所有振幅值，通過(guò)計(jì)算公式功率和=（振幅值）2，計(jì)算得到任一音頻幀所對(duì)應(yīng)的功率和，得到功率和序列w1,w2,w3,...,wt，計(jì)算該功率和序列的方差對(duì)數(shù)；獲取該子演唱段的梅爾頻譜并將其輸入至預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)，得到目標(biāo)音樂(lè)音色向量的特征值。

20、作為本發(fā)明進(jìn)一步的方案：相似距離值的具體計(jì)算過(guò)程為：

21、；

22、其中，x為目標(biāo)音樂(lè)頻率序列的方差，y為目標(biāo)音樂(lè)的功率和序列的方差對(duì)數(shù)，z為目標(biāo)音樂(lè)音色向量的特征值，x'為待推薦音樂(lè)頻率序列的方差，y'為待推薦音樂(lè)的功率和序列的方差對(duì)數(shù)，z'為待推薦音樂(lè)音色向量的特征值。

23、作為本發(fā)明進(jìn)一步的方案：所述s4中，修正的具體過(guò)程為：

24、獲取待推薦音樂(lè)與目標(biāo)音樂(lè)所對(duì)應(yīng)的標(biāo)簽，進(jìn)而獲取所有重合標(biāo)簽并標(biāo)記為y'1,y'2,...,y'n，獲取所有重合標(biāo)簽對(duì)應(yīng)的興趣度并標(biāo)記為p1,p2,...,pn，根據(jù)計(jì)算公式計(jì)算得到修正相似距離值c'，其中，α為預(yù)設(shè)修正系數(shù)，pi為任一重合標(biāo)簽的興趣度。

25、作為本發(fā)明進(jìn)一步的方案：還包括若存在若干目標(biāo)音樂(lè)，則獲取任一待推薦音樂(lè)與該目標(biāo)音樂(lè)進(jìn)行相似距離計(jì)算，根據(jù)總相似距離按從小到大的方式對(duì)所有待推薦音樂(lè)進(jìn)行排序，并根據(jù)排序結(jié)果對(duì)目標(biāo)對(duì)象進(jìn)行音樂(lè)推薦；

26、總相似距離的計(jì)算過(guò)程為：

27、；

28、其中，c'i為該待推薦音樂(lè)與任一目標(biāo)音樂(lè)的修正相似距離值，wi為第i個(gè)目標(biāo)音樂(lè)的推薦分?jǐn)?shù)，h為目標(biāo)音樂(lè)的數(shù)量。

29、本發(fā)明的有益效果：

30、在本發(fā)明中，首先獲取用戶在監(jiān)測(cè)周期內(nèi)播放的音樂(lè)，并根據(jù)是否存在交互行為次數(shù)以及播放頻率確定出目標(biāo)音樂(lè)；在音樂(lè)推薦系統(tǒng)中，用戶的交互行為（如點(diǎn)贊、分享和下載）是評(píng)估用戶對(duì)特定音樂(lè)喜好程度的重要指標(biāo)，這些行為能夠直接反映用戶對(duì)播放音樂(lè)的偏好。然而，在實(shí)際應(yīng)用場(chǎng)景中，可能會(huì)出現(xiàn)一種情況：盡管某首音樂(lè)具有特定的偏好參數(shù)，但其播放次數(shù)卻相對(duì)較低。這可能意味著用戶在某次聽到該音樂(lè)時(shí)對(duì)其產(chǎn)生了較高的興趣，但在隨后的時(shí)間里并未再次選擇播放。因此，僅憑播放次數(shù)來(lái)判斷用戶對(duì)音樂(lè)的喜愛程度可能會(huì)導(dǎo)致準(zhǔn)確性不足，可以理解的是音樂(lè)播放頻率越高，說(shuō)明用戶對(duì)該音樂(lè)的喜好程度越高。頻繁播放通常意味著用戶對(duì)這首音樂(lè)有持續(xù)的興趣和好感。因此通過(guò)交互行為和播放頻率共同篩選出目標(biāo)音樂(lè)，即使在面對(duì)播放次數(shù)較低但具有較高偏好參數(shù)的音樂(lè)時(shí)，也能更準(zhǔn)確地判斷用戶的喜好程度，從而提高推薦結(jié)果的相關(guān)性和滿意度，計(jì)算每個(gè)音樂(lè)標(biāo)簽的興趣度，識(shí)別出用戶對(duì)不同音樂(lè)特征的偏好，利用音頻信息的頻譜特征進(jìn)行相似度計(jì)算，可以理解的是音頻的能量特征能夠特征表現(xiàn)出該目標(biāo)音樂(lè)的音量和強(qiáng)度，音頻的頻率特征能夠表現(xiàn)出目標(biāo)音樂(lè)的音調(diào)，同時(shí)將梅爾頻譜輸入預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)，提取音色向量的特征值，根據(jù)音色、音調(diào)和音高進(jìn)行相似距離計(jì)算，能夠區(qū)分不同音樂(lè)的相似度，通過(guò)根據(jù)興趣度對(duì)相似距離值進(jìn)行修正，能夠在推薦中平衡用戶對(duì)不同音樂(lè)標(biāo)簽的偏好，提高推薦的個(gè)性化和相關(guān)性，通過(guò)對(duì)修正后的相似距離值進(jìn)行排序推薦，本發(fā)明提高了音樂(lè)推薦的相似度計(jì)算的健壯性和推薦算法的準(zhǔn)確度及實(shí)時(shí)性，讓用戶獲得更加豐富和個(gè)性化的音樂(lè)推薦，從而提升用戶滿意度和使用體驗(yàn)。