[发明专利]一种音乐推荐方法及系统

权利要求书

1.一种音乐推荐方法，其特征在于，包括：

获取用户的人格特征数据，并对用户播放不同类型音乐记录用户情绪，将人格特征、音乐类型以及情绪构建初始数据集；

基于初始数据集计算初始分布，并将初始分布作为贝叶斯推理模型的输入，推断用户情绪的条件概率分布；

基于用户情绪的条件概率分布，将在时间序列t1分布上高于设定概率P1引发用户负面情绪的音乐组成过滤曲库，将音乐库中去除过滤曲库中的音乐所得到的音乐组成待推荐音乐库；

将待推荐音乐库中的音乐随机化推荐给用户；

所述获取用户的人格特征数据，并对用户播放不同类型音乐记录用户情绪，将人格特征、音乐类型以及情绪构建初始数据集，包括：

采用问卷调查方式获取被试者的人格数据，将人格数据作为输入变量A；

被试者连续聆听不同类型的音乐，将音乐作为输入变量B；

被试者在聆听音乐时报告自身情绪体验，将情绪体验作为输出变量C；

将人格特征、音乐类型以及情绪构建初始数据集。

2.如权利要求1所述的音乐推荐方法，其特征在于，还包括：

基于所述用户情绪的条件概率分布，获取在时间序列t2上分布高于设定概率P2且小于设定概率P1引发用户负面情绪的音乐作为疑似待过滤音乐；

在所述用户聆听疑似待过滤音乐时，利用修正后的情绪识别模型识别所述用户在离散时间点上是否出现负面情绪；

若是，则将出现负面情绪时刻所聆听的音乐作为待过滤音乐存储至所述过滤曲库中；

若否，则将所述用户聆听的音乐作为积极音乐，进行随机推荐。

3.如权利要求2所述的音乐推荐方法，其特征在于，所述基于初始数据集计算的初始分布包括初始状态的概率密度函数、状态转移的概率密度函数以及观测的概率密度函数。

4.如权利要求3所述的音乐推荐方法，其特征在于，在所述利用修正后的情绪识别模型识别所述用户在离散时间点上是否出现负面情绪之前，还包括：

利用公开标准化数据集对RNN模型进行训练，得到情绪识别模型；

利用所述被试者在聆听音乐时报告的自身情绪体验，对情绪识别模型的参数进行修正，得到所述修正后的情绪识别模型。

5.一种音乐推荐系统，用于实现权利要求1-4任意一项所述的音乐推荐方法，其特征在于，包括获取模块、情绪概率分布计算模块、音乐过滤模块和音乐推荐模块，其中：

获取模块用于获取用户的人格特征数据，对用户播放不同类型音乐记录用户情绪，将人格特征、音乐类型以及情绪构建初始数据集；

情绪概率分布计算模块用于基于初始数据集计算初始分布，并将初始分布作为贝叶斯推理模型的输入，推断用户情绪的条件概率分布；

音乐过滤模块基于用户情绪的条件概率分布，将在时间序列t1分布上高于设定概率P1引发用户负面情绪的音乐组成过滤曲库，将音乐库中去除过滤曲库中的音乐所得到的音乐组成待推荐音乐库；

音乐推荐模块用于将待推荐音乐库中的音乐随机化推荐给用户。

6.如权利要求5所述的音乐推荐系统，其特征在于，还包括音乐库修正模块，其用于基于所述用户情绪的条件概率分布，获取在时间序列t2上分布高于设定概率P2且小于设定概率P1引发用户负面情绪的音乐作为疑似待过滤音乐；在所述用户聆听疑似待过滤音乐时，利用修正后的情绪识别模型识别所述用户在离散时间点上是否出现负面情绪，并将出现负面情绪时刻所聆听的音乐存储至所述过滤曲库中，以更新所述过滤曲库；

相应地，所述音乐过滤模块将音乐库中去除过更新后的滤曲库中的音乐所得到的音乐组成待推荐音乐库。

7.如权利要求6所述的音乐推荐系统，其特征在于，所述获取模块用于：

采用问卷调查方式获取被试者的人格数据，将人格数据作为输入变量A；

被试者连续聆听不同类型的音乐，将音乐作为输入变量B；

被试者在聆听音乐时报告自身情绪体验，将情绪体验作为输出变量C；

将人格特征、音乐类型以及情绪构建初始数据集。