[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

说明书

本发明公开了一种基于用户状态的音乐推荐方法，涉及信息处理领域。本发明包括以下步骤：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。本发明能够高效精准向用户推荐音乐。

技术领域

本发明涉及信息处理领域，更具体的说是涉及一种基于用户状态的音乐推荐方法、系统及可存储介质。

背景技术

随着移动互联技术的发展，移动终端提供了越来越多样化的应用，例如视频观看、音乐播放、电子商务、定位信息服务等。其中，音乐播放成为了目前移动终端的一个重要应用。然而，互联网上存在大量的音乐资源，各大音乐网站、平台为用户提供了数以万计的音乐资源，如何使得移动终端用户方便的找到自己所需要的音乐，便需要通过个性化音乐推荐方法为用户智能地推荐可能感兴趣的音乐。

现有技术中的音乐推荐方法通常是这样实现的：收集用户收听音乐的行为轨迹，分析用户的兴趣偏好，计算音乐与音乐之间、音乐与用户之间、用户与用户之间的相似度或相关度，以此为依据推荐用户可能感兴趣的音乐。

但是，现有技术中没有根据用户的运动状态以及心情状态精准推荐的音乐的方法，因此，这是本领域技术人员亟需解决的。

发明内容

有鉴于此，本发明提供了一种基于用户状态的音乐推荐方法、系统及可存储介质。

为了实现上述目的，本发明采用如下技术方案：

一种基于用户状态的音乐推荐方法，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。

可选的，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。

可选的，对音乐音频预处理包括滤波、加重以及分帧和加窗。

可选的，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。

可选的，运动状态的获取，具体为：