[发明专利]一种基于用户状态的音乐推荐方法、系统及可存储介质

权利要求书

1.一种基于用户状态的音乐推荐方法，其特征在于，包括以下步骤

音乐分类：获取音乐音频并预处理；特征提取预处理后的音乐音频，所述特征提取具体为：提取音乐音频的文本信息以及音高、音强和音色特征；根据特征提取结果对音乐音频分类，得到分类结果；

用户状态分类：获取用户所处环境，实时监测用户的心率，得到用户的运动状态以及心情状态；

音乐推荐：将音乐分类结果数字化并设定多个音乐种类阈值；将用户运动状态以及心情状态数字化并设定多个用户状态阈值；将音乐种类阈值与用户状态阈值匹配，得到推荐音乐。

2.根据权利要求1所述的一种基于用户状态的音乐推荐方法，其特征在于，所述用户状态分类还包括：获取用户历史记录信息，将用户历史记录信息采用K-means聚类算法聚类，得到用户的音乐喜好。

3.根据权利要求1所述的一种基于用户状态的音乐推荐方法，其特征在于，对音乐音频预处理包括滤波、加重以及分帧和加窗。

4.根据权利要求1所述的一种基于用户状态的音乐推荐方法，其特征在于，特征提取采用BP神经网络完成，具体包括对BP神经网络进行训练，训练过程如下：

对每个神经元内部阈值和连接权重分别随机赋值，输入音乐音频的特征向量，输出为向量代表的文本信息以及音高、音强和音色特征；

通过输入样本，连接权重和阈值计算中间层输入值，选择隐含层传递函数，计算获得中间各层单元的计算结果；

通过中间层输出，连接权重和阈值计算输出层各单元的输入样本，以simoid作为传递函数计算输出层单元的响应值；

将输出响应值与目标结果比较，获得一般化误差，根据连接权重、输出层一般误差和中间层输出计算中间各单元一般化误差，通过输出层各单元误差修正各层的连接权重和阈值；

多次重复训练，直到样本误差小于预设误差极小值，得到BP神经网络。

5.根据权利要求1所述的一种基于用户状态的音乐推荐方法，其特征在于，运动状态的获取，具体为：

获取用户的个人信息和/或环境信息，根据个人信息和/或环境信息确定所需采集的运动数据类型；根据运动数据类型采集用户的初级运动数据，结合个人信息和/或环境信息建立个人模型；利用个人模型完成数据分析，得到用户的运动状态。

6.根据权利要求1所述的一种基于用户状态的音乐推荐方法，其特征在于，心情状态的获取，具体为：提取用户面部表情，综合用户心率得到用户的心情状态。

7.一种基于用户状态的音乐推荐系统，其特征在于，包括音乐分类模块、用户状态分类模块以及音乐推荐模块；

其中，音乐分类模块：用于获取音乐音频并预处理；特征提取预处理后的音乐音频，所述特征提取具体为：提取音乐音频的文本信息以及音高、音强和音色特征；根据特征提取结果对音乐音频分类，得到分类结果；

用户状态分类模块：用于获取用户所处环境，实时监测用户的心率，得到用户的运动状态以及心情状态；

音乐推荐模块：用于将音乐分类结果数字化并设定多个音乐种类阈值；将用户运动状态以及心情状态数字化并设定多个用户状态阈值；将音乐种类阈值与用户状态阈值匹配，得到推荐音乐。

8.根据权利要求7所述的一种基于用户状态的音乐推荐系统，其特征在于，用户状态分类模块还用于获取用户历史记录信息，将用户历史记录信息采用K-means聚类算法聚类，得到用户的音乐喜好。

9.一种计算机可存储介质，所述计算机存储介质上存储有计算机程序，所述计算机程序为被处理器执行时实现如权利要求1-6中任意一项所述的一种基于用户状态的音乐推荐方法的步骤。