摘 要

第1章 绪论 1

1.1 研究背景及意义 1

1.2 国内外研究现状 2

1.2.1 国外研究 2

1.2.2 国内研究 3

1.3 论文的主要工作 3

1.4 论文结构 4

第2章 音乐个性化推荐算法分析 6

2.1 音乐推荐系统简介 6

2.2 音乐个性化推荐系统的相关技术 7

2.3 基于情绪识别的音乐个性化推荐理论基础 8

2.3.1 音乐与情绪的联系 8

2.3.2 基于生理信号的情绪识别理论研究 9

2.4 音乐个性化推荐技术问题分析 11

2.5 本章小结 12

第3章 情绪音乐个性化推荐系统的改进与实现 13

3.1 情绪音乐个性化推荐的可行性和优越性分析 13

3.2 情绪因素在音乐个性化推荐系统中的应用实现 14

3.2.1 系统的设计 15

3.2.2 算法框架的实现 15

3.3 情绪因素在音乐个性化推荐中的应用改进方案 16

3.3.1 改进方案总体框架 16

3.3.2 社交信息模块 18

3.3.3 专家推荐模块 19

3.3.4 权重计算 20

3.4 情绪因素在音乐个性化推荐中的应用方法的技术问题 20

3.5 本章小结 21

第4章 总结与展望 23

4.1 论文总结 23

4.2 未来的展望 23

参考文献 25

致 谢 26

摘 要

音乐个性化推荐技术主流的是基于内容的、基于协同过滤的和基于关联规则的，利用人体的情绪生理信号作为输入驱动力的音乐个性化推荐算法的研究还尚处于起步阶段，理论文献较少，而在实际音乐个性化推荐中应用也不多。因此，本文在阐述情绪音乐个性化推荐涉及的基础理论和运用技术后，引用国内初步实现的脑电信号驱动的情绪音乐个性化推荐系统，在与主流推荐算法做出理论上的可行性和优越性的证明后，对其进行优化音乐个性化推荐效果的改进方案。通过将用户社交信息与专业的心理学、音乐学理论知识作为参考，对识别的情绪脑电信号进行二次识别判定，提高输入信号的强度和准确性，保证了音乐个性化推荐效果的质量。同时也明确的提出了在实际研究应用中可能会面临的技术问题。最后对本文所完成的工作进行总结，并对未来研究应用做出展望。

关键词：情绪；音乐个性化推荐；脑电信号

Abstract

Music personalized recommendation technology mainstream is based on the content, based on collaborative filtering and based on the association rules, the use of the body's emotional and physiological signals as input driving force of the personalized recommendation algorithm is still in the initial stage, the theoretical literature less , And in the actual music personalized recommendation is not much application. Therefore, this paper, after elaborating the basic theory and application technology of the personalized recommendation of the emotional music, quotes the basic recommendation system of the emotional music which is driven by the EEG signal in the country, and makes the theoretical feasibility and superiority with the mainstream recommendation algorithm After the proof of sex, to optimize the personalized recommendation of the music to improve the program. Through the user social information and professional psychology, music theory knowledge as a reference to identify the emotional EEG signal to identify the secondary identification to improve the input signal strength and accuracy, to ensure the quality of personalized music recommended effect. But also clearly put forward in the practical research applications may face technical problems. Finally, the paper summarizes the work done in this paper, and makes a prospect for future research and application.

Keywords: emotion; music personalized recommendation; EEG signal

绪论

本章主要介绍本文课题的研究背景以及研究意义，分析了情绪因素在音乐个性化推荐中应用的国内外现状，简要的叙述了本文的主要工作，最后详细的列出本文结构。

研究背景及意义

在当代社会，伴随着移动互联网、云计算等科技技术的快速发展，社会中各行各业的信息化程度加深，所产生的各种类型的数据层出不穷，一秒钟内产生的数据量是指数级别的增长。海量的数据中实质包含着许多与用户密切相关的信息，这些信息可以反映出用户的行为习惯、兴趣爱好特征等。但是，面对如此庞大的数据信息量，如何有效地、快速地、精准地从中提取出关于用户的有用信息是推荐技术必须具备的。因此对于信息的有效甄别与选择是大数据时代的一个必要研究方向^[1] 。

古往今来，音乐在人们的日常生活中始终占据着不可替代的地位。音乐之所以对人类有重要的意义是因为它具有情感反馈^[2] 。音乐蕴含着创作者在创作时的内心情感活动，通过音乐让听者深刻的感受到歌曲所传递的情感和创作者当时内心深处的活动。所以，音乐是能够传递情感，感动人们的内心，从而影响到人自身的思维想法。音乐已然与人类的社会活动息息相关，无论是创作者还是收听者，都不可避免地面临着一个问题，就是在大数据时代下如何能够更加有效的运用和获取音乐资源。对于创作者而言，更多的是音乐资源的运用；而对于收听者，更多的则是获取音乐资源。日常生活中，绝大多数人是属于收听者，也就是音乐的受众，他们的需求是能收听到自己喜欢的音乐歌曲，能够获取到满足自身需求的音乐资源。如今，成熟的信息技术和科技水平不断的提升是推动着数字音乐行业发展的主要动力，各大数字音乐平台通过收集用户的数据进行分析，再向用户推荐音乐歌曲，但是，单纯的依据数据生成推荐是不能够满足用户需求的，会给用户体验带来严重的不良后果。因此，基于庞大的音乐用户需求，个性化音乐推荐方法的研究是具有重要意义和研究价值的。

个性化推荐技术如果想要取得应有的效果，就需要有两个条件的出现，首要条件是信息的过载，其次是用户不能明确自己的需求目标^[1] 。从这两个条件中分析，音乐与个性化推荐技术相结合是可行的。首先，是满足首要条件的，音乐数据库中存储着难以计数的音乐数据，加之每天可能新增的海量的音乐数据，音乐数据库中的数据信息量是庞大的。音乐个性化推荐系统是不可能让用户直接面对如此庞大的数据量的。因此，音乐个性化推荐是符合首要条件的。再者，用户使用数字音乐平台收听音乐，大多数情况下是不具备特殊目的性的。普通用户是希望使用的数字音乐平台能够自动推荐出满足其需求的音乐歌曲，而不是需要用户手动搜索查找歌曲。如果个性化推荐技术是需要用户手动操作，那么个性化推荐技术就显得没有意义，也不具备进一步深入的开发和完善的价值。所以，音乐的个性化推荐技术是以用户为中心点，根据用户的自身数据，围绕着用户的需求来进行音乐推荐。数字音乐平台运用合适的成熟的音乐个性化推荐方法，才能牢牢地吸引住用户，提高用户的使用体验，增强用户的粘性。