音乐推荐方法及其装置与流程

1.本技术涉及计算机技术领域，具体涉及深度学习和音乐推荐等领域，尤其涉及一种音乐推荐方法及其装置。


背景技术：

2.个性化音乐推荐系统的目标是为不同生理、精神、社会状态的用户，在不同的场景下，提供最匹配的音乐内容，从而提升用户体验。相关技术主要依赖于终端设备的应用程序与用户交互，因此，在建立用户画像时只能依赖于在使用应用程序时用户主动提供或被动监测到的数据，而这样的数据对于用户个性化的描述非常片面，无法浸入在用户的生活中，并且基于用户的交互行为来收集用户对音乐推荐效果的反馈实时性较差。


技术实现要素：

3.本技术旨在至少在一定程度上解决相关技术中的技术问题之一。
4.为此，本技术的一个目的在于提出一种音乐推荐方法，通过获取可穿戴设备采集的第一用户特征数据；获取第二用户特征数据，并基于第一用户特征数据和第二用户特征数据，生成目标用户特征数据；获取当前的音乐使用场景对应的场景特征数据；根据目标用户特征数据和场景特征数据，从候选音乐中确定目标音乐进行推送。
5.本技术通过可穿戴设备能够追踪用户的日常行为和生活方式，在音乐推荐系统的用户画像里增加更深入的描述维度，并且可穿戴设备监测的用户体征描述了用户的真实身心反应，使得音乐推荐系统对音乐的效果评估更加客观。
6.本技术的第二个目的在于提出一种音乐推荐装置。
7.本技术的第三个目的在于提出一种电子设备。
8.本技术的第四个目的在于提出一种非瞬时计算机可读存储介质。
9.本技术的第五个目的在于提出一种计算机程序产品。
10.为达上述目的，本技术第一方面实施例提出了一种音乐推荐方法，包括：获取可穿戴设备采集的第一用户特征数据；获取第二用户特征数据，并基于第一用户特征数据和第二用户特征数据，生成目标用户特征数据；获取当前的音乐使用场景对应的场景特征数据；根据目标用户特征数据和场景特征数据，从候选音乐中确定目标音乐进行推送。
11.根据本技术的一个实施例，从候选音乐中确定目标音乐进行推送之后，还包括：获取可穿戴设备采集的实时用户体征数据，其中，获取实时用户体征数据时目标音乐在音乐使用场景中播放；基于实时用户体征数据，调整与目标音乐同类型的候选音乐的推送参数，其中，推送参数包括推送权重和/或推送频率。
12.根据本技术的一个实施例，从候选音乐中确定目标音乐进行推送之后，还包括：获取目标音乐对应的用户交互数据，并基于用户交互数据，调整与目标音乐同类型的候选音乐的推送参数。
13.根据本技术的一个实施例，调整与目标音乐同类型的候选音乐的推送参数，包括：
基于可穿戴设备采集的实时用户体征数据，确定目标音乐的第一评分；基于用户交互数据确定目标音乐的第二评分；基于第一评分和第二评分，获取目标音乐的综合评分；基于综合评分确定推送参数的调整策略，其中，调整策略包括调整方向和调整量。
14.根据本技术的一个实施例，基于综合评分确定推送参数的调整策略，包括：响应于目标音乐的综合评分小于或等于第一分数阈值，则在后续相同的音乐使用场景中减少与目标音乐同类型的候选音乐的推送权重和/或推送频率。
15.根据本技术的一个实施例，基于综合评分确定推送参数的调整策略，包括：响应于目标音乐的综合评分大于或等于第二分数阈值，则在后续相同的音乐使用场景中增加与目标音乐同类型的候选音乐的推送权重和/或推送频率。
16.根据本技术的一个实施例，基于综合评分确定推送参数的调整策略，包括：响应于目标音乐的综合评分大于第一分数阈值且小于第二分数阈值，则在后续相同的音乐使用场景中维持与目标音乐同类型的候选音乐的推送权重和/或推送频率。
17.根据本技术的一个实施例，从候选音乐中确定目标音乐的过程，包括：获取候选音乐的音乐特征数据；基于目标用户特征数据、场景特征数据和音乐特征数据，对候选音乐进行协同过滤，确定候选目标音乐；对候选目标音乐按照音乐类型对应的推送参数进行提取，获取目标音乐。
18.为达上述目的，本技术第二方面实施例提出了音乐推荐装置，包括：第一获取模块，用于获取可穿戴设备采集的第一用户特征数据；第二获取模块，用于获取第二用户特征数据，并基于第一用户特征数据和第二用户特征数据，生成目标用户特征数据；第三获取模块，用于获取当前的音乐使用场景对应的场景特征数据；推送模块，用于根据目标用户特征数据和场景特征数据，从候选音乐中确定目标音乐进行推送。
19.根据本技术的一个实施例，音乐推荐装置还包括调整模块，调整模块用于：获取可穿戴设备采集的实时用户体征数据，其中，获取实时用户体征数据时目标音乐在音乐使用场景中播放；基于实时用户体征数据，调整与目标音乐同类型的候选音乐的推送参数，其中，推送参数包括推送权重和/或推送频率。
20.根据本技术的一个实施例，调整模块，还用于：获取目标音乐对应的用户交互数据，并基于用户交互数据，调整与目标音乐同类型的候选音乐的推送参数。
21.根据本技术的一个实施例，调整模块，还用于：基于可穿戴设备采集的实时用户体征数据，确定目标音乐的第一评分；基于用户交互数据确定目标音乐的第二评分；基于第一评分和第二评分，获取目标音乐的综合评分；基于综合评分确定推送参数的调整策略，其中，调整策略包括调整方向和调整量。
22.根据本技术的一个实施例，调整模块，还用于：响应于目标音乐的综合评分小于或等于第一分数阈值，则在后续相同的音乐使用场景中减少与目标音乐同类型的候选音乐的推送权重和/或推送频率。
23.根据本技术的一个实施例，调整模块，还用于：响应于目标音乐的综合评分大于或等于第二分数阈值，则在后续相同的音乐使用场景中增加与目标音乐同类型的候选音乐的推送权重和/或推送频率。
24.根据本技术的一个实施例，调整模块，还用于：响应于目标音乐的综合评分大于第一分数阈值且小于第二分数阈值，则在后续相同的音乐使用场景中维持与目标音乐同类型
的候选音乐的推送权重和/或推送频率。
25.根据本技术的一个实施例，推送模块，还用于：获取候选音乐的音乐特征数据；基于目标用户特征数据、场景特征数据和音乐特征数据，对候选音乐进行协同过滤，确定候选目标音乐；对候选目标音乐按照音乐类型对应的推送参数进行提取，获取目标音乐。
26.为达上述目的，本技术第三方面实施例提出了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以实现如本技术第一方面实施例的音乐推荐方法。
27.为达上述目的，本技术第四方面实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于实现如本技术第一方面实施例的音乐推荐方法。
28.为达上述目的，本技术第五方面实施例提出了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如本技术第一方面实施例的音乐推荐方法。
附图说明
29.本技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
30.图1是本技术一个实施例的一种音乐推荐方法的示意图。
31.图2是本技术一个实施例的可穿戴设备驱动的音乐推荐系统架构图。
32.图3是本技术一个实施例的调整候选音乐推送参数的示意图。
33.图4是本技术一个实施例的根据综合评分确定推送参数的调整策略的示意图。
34.图5是本技术一个实施例的一种音乐推荐方法的总体流程示意图。
35.图6是本技术一个实施例的一种音乐推荐装置的示意图。
36.图7是本技术一个实施例的一种电子设备的示意图。
具体实施方式
37.下面详细描述本技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本技术，而不能理解为对本技术的限制。
38.图1是本技术提出的一种音乐推荐方法的示例性实施方式，如图1所示，该音乐推荐方法，包括以下步骤：
39.s101，获取可穿戴设备采集的第一用户特征数据。
40.可穿戴设备即直接穿在身上，或是整合到用户的衣服或配件的一种便携式设备。可穿戴设备不仅仅是一种硬件设备，也能够通过软件支持以及数据交互、云端交互来实现强大的功能。可穿戴设备可以用来获取可穿戴设备追踪监测的用户的体征数据，比如用户的心率、压力、呼吸率、运动强度、活动量等。
41.当用户穿戴有可穿戴设备时，装载有音乐推荐系统的终端设备采用特定的方式，比如说采用蓝牙连接方式与可穿戴设备进行数据连接，连接完成后音乐推荐系统便可获取可穿戴设备采集的第一用户特征数据。其中，第一用户特征数据包括用户的行为特征数据和用户的体征特征数据。其中，用户的行为特征数据指的是用户当前时刻正在进行的行为，比如说用户是在运动还是在睡觉；用户的体征特征数据指的是系统借助可穿戴设备追踪监
测的用户体征数据，比如心率、压力、活动量等。
42.可选地，可穿戴设备包括：增强现实(augmented reality，ar)头戴式一体机、虚拟现实(virtual reality，vr)头戴式一体机、智能音频眼镜、蓝牙耳机、可穿戴扬声器、智能手表、智能手环和智能戒指等。需要注意的是，此处举例的可穿戴设备仅为示例，不能理解为对本技术提出的可穿戴设备的限制。
43.s102，获取第二用户特征数据，并基于第一用户特征数据和第二用户特征数据，生成目标用户特征数据。
44.获取用户的个性特征数据，并将个性特征数据作为用户的第二用户特征数据，其中，用户的个性特征数据是指用户可以用来区别于其他用户的、在一定时间内较为稳定的个性化因素，比如说用户的年龄、性别、地域、职业、音乐流派偏好、听音乐的时段、属于哪种用户亚群、app列表、社交网络信息等。
45.将获取的第二用户特征数据与上述获取的第一用户特征数据进行组合，获得能够反应用户整体特征的目标用户特征数据。
46.s103，获取当前的音乐使用场景对应的场景特征数据。
47.获取用户当前时刻的音乐使用场景对应的场景特征数据。其中，场景特征数据包括目标特征数据与时空特征数据。目标特征数据指用户选择播放音乐的目的，比如运动伴奏、工作背景、舒压放松等；时空特征数据是指用户选择播放音乐的时间信息、地域信息等。
48.s104，根据目标用户特征数据和场景特征数据，从候选音乐中确定目标音乐进行推送。
49.获取音乐推荐系统中音乐库中的候选音乐的内容特征数据、关联特征数据和服务特征数据。其中，内容特征数据是指每首候选音乐基于数据和语意层面的描述。基于数据的描述例如频谱分布、节奏等，语意层面的描述比如乐器、流派、作家、年代、元素、节奏、时长等。关联特征数据指的是每两首音乐之间基于数据的相似性和基于语意层面的相似性。服务特征数据是指候选音乐推荐给所有用户播放后的反馈信息，比如说播放量、收藏量、受众人群等反馈信息。
50.图2是描述可穿戴设备驱动的音乐推荐系统架构图，如图2所示，根据目标用户特征数据和场景特征数据，从所有候选音乐中确定适合用户在当前场景下收听的目标音乐，并将目标音乐推荐给该用户。可选地，在从所有候选音乐中确定适合用户在当前场景下收听的目标音乐时，可采用协同过滤算法。
51.本技术实施例提出了一种音乐推荐方法，通过获取可穿戴设备采集的第一用户特征数据；获取第二用户特征数据，并基于第一用户特征数据和第二用户特征数据，生成目标用户特征数据；获取当前的音乐使用场景对应的场景特征数据；根据目标用户特征数据和场景特征数据，从候选音乐中确定目标音乐进行推送。本技术通过可穿戴设备能够追踪用户的日常行为和生活方式，在音乐推荐系统的用户画像里增加更深入的描述维度，并且可穿戴设备监测的用户体征描述了用户的真实身心反应，使得音乐推荐系统对音乐的效果评估更加客观。
52.图3是本技术提出的一种音乐推荐方法的示例性实施方式，如图3所示，该音乐推荐方法，包括以下步骤：
53.s301，获取可穿戴设备采集的第一用户特征数据。
54.关于步骤s301的实现方式，可采用本技术中各实施例中的实现方式，在此不再进行赘述。
55.s302，获取第二用户特征数据，并基于第一用户特征数据和第二用户特征数据，生成目标用户特征数据。
56.关于步骤s302的实现方式，可采用本技术中各实施例中的实现方式，在此不再进行赘述。
57.s303，获取当前的音乐使用场景对应的场景特征数据。
58.关于步骤s303的实现方式，可采用本技术中各实施例中的实现方式，在此不再进行赘述。
59.s304，根据目标用户特征数据和场景特征数据，从候选音乐中确定目标音乐进行推送。
60.关于步骤s304的实现方式，可采用本技术中各实施例中的实现方式，在此不再进行赘述。
61.s305，获取可穿戴设备采集的实时用户体征数据，其中，获取实时用户体征数据时目标音乐在音乐使用场景中播放。
62.将上述将目标音乐推送给用户后，当用户在音乐使用场景中收听目标音乐时，获取可穿戴设备采集的实时用户体征数据。实时用户体征数据可包括用户在音乐使用场景中收听目标音乐时的心率、呼吸率、压力、运动强度等。
63.比如说，用户在看书时音乐推荐系统给用户推送了目标音乐a，那么音乐推荐系统需要获取用户在看书时收听目标音乐a时的实时用户体征数据，比如心率、呼吸率、压力、运动强度等。
64.可选地，音乐推荐系统可通过可穿戴设备追踪用户在日常生活中能代表其生活方式的长期行为，并根据其行为在特定的时间点推荐歌曲。比如说用户长期在晚上10点左右睡觉，那么在晚上10点左右用户打开音乐推荐系统时，可为该用户推送适合安睡的舒缓安静的音乐。
65.s306，基于实时用户体征数据，调整与目标音乐同类型的候选音乐的推送参数，其中，推送参数包括推送权重和/或推送频率。
66.根据上述获得的实时用户体征数据，对该用户体征数据是否适用于当前场景进行分析，并根据分析结果调整与目标音乐同类型的候选音乐的推送参数。可选地，推送参数包括推送权重和/或推送频率。
67.比如说，在用户看书场景下，给用户推送了目标音乐a，但用户收听目标音乐a时出现心跳加速，而心跳加速并不适合在看书场景下出现，那么降低与目标音乐a同类型的候选音乐在看书场景下的推送频率。
68.s307，获取目标音乐对应的用户交互数据，并基于用户交互数据，调整与目标音乐同类型的候选音乐的推送参数。
69.获取用户在收听目标音乐时的用户交互数据，比如跳过、循环、收藏、分享等，并基于用户交互数据，调整与目标音乐同类型的候选音乐的推送参数。
70.示例性的，在用户看书场景下，给用户推送了目标音乐b，用户收听目标音乐b时点了单曲循环，那么便增加与目标音乐b同类型的候选音乐在看书场景下的推送频率。
71.示例性的，在用户看书场景下，给用户推送了目标音乐c，用户收听目标音乐c时点了跳过，那么便减少与目标音乐b同类型的候选音乐在看书场景下的推送频率。
72.可选地，在调整与目标音乐同类型的候选音乐的推送参数时，可单纯只参考可穿戴设备采集的实时用户体征数据，也可单纯只参考目标音乐对应的用户交互数据，也可将可穿戴设备采集的实时用户体征数据与目标音乐对应的用户交互数据结合在一起进行分析。
73.本技术实施例提出的音乐推荐方法，在向用户推荐目标音乐后，通过可穿戴设备采集实时用户体征数据来获取用户实时的体征反馈，在不干扰用户音乐体验的前提下增加反馈的实时性，以及获取用户对于目标音乐的用户交互数据，通过对用户体征数据呼和/或用户交互数据进行分析，对所推荐的目标音乐的效果进行评估，并根据评估效果调整推送参数，以使后续推送的音乐更加适合用户。
74.图4是本技术提出的一种音乐推荐方法的示例性实施方式，如图5所示，基于上述实施例的基础上，基于综合评分确定推送参数的调整策略，包括以下步骤：
75.s401，获取可穿戴设备采集的实时用户体征数据，并基于可穿戴设备采集的实时用户体征数据，确定目标音乐的第一评分，其中，获取实时用户体征数据时目标音乐在音乐使用场景中播放。
76.将上述将目标音乐推送给用户后，当用户在音乐使用场景中收听目标音乐时，获取可穿戴设备采集的实时用户体征数据。实时用户体征数据可包括用户在音乐使用场景中收听目标音乐时的心率、呼吸率、压力、运动强度等。
77.基于可穿戴设备采集的实时用户体征数据，对目标音乐进行评分，作为目标音乐的第一评分。可选地，可在各个场景下对用户的心率、呼吸率、压力、运动强度等参数设置最佳值，并将实际情况下用户在收听目标音乐时的实时用户体征数据与各参数的最佳值进行对比并赋值，将各个参数的赋值相加作为目标音乐的第一评分。可选地，也可根据用户在不同场景下的各参数的最佳值训练一个评分模型，从而在用户在某个使用场景中收听目标音乐时实时获取目标音乐的第一评分。
78.可选地，第一评分可为百分制。
79.s402，获取目标音乐对应的用户交互数据，基于用户交互数据确定目标音乐的第二评分。
80.获取用户在收听目标音乐时的用户交互数据，比如跳过、循环、收藏、分享等，并基于用户交互数据，对目标音乐进行评分，作为目标音乐的第二评分。
81.示例性的，可为目标音乐设置一个基础值，并对用户的各个操作进行赋值，在目标音乐的基础值的基础上按照用户的操作进行分值加减，获取目标音乐的第二评分。
82.可选地，第一评分可为百分制。比如说，将目标音乐第二评分的基础值设置为50分，若用户收藏了目标音乐，则在基础值上加30分，将80分作为目标音乐的第二评分；若用户跳过了目标音乐，则在基础值上减10分，将40分作为目标音乐的第二评分；若用户收藏了目标音乐并将目标音乐设置为单曲循环，则在基础值上加50分，将100分作为目标音乐的第二评分。
83.s403，基于第一评分和第二评分，获取目标音乐的综合评分。
84.根据上述获得的第一评分和第二评分，获取目标音乐的综合评分。
85.作为一种可实现的方式，若音乐推荐系统仅获取到目标音乐的第一评分，则将目标音乐的第一评分作为目标音乐的综合评分。
86.作为另一种可实现的方式，若音乐推荐系统仅获取到目标音乐的第二评分，则将目标音乐的第二评分作为目标音乐的综合评分。
87.作为另一种可实现的方式，若音乐推荐系统既获取到了目标音乐的第一评分，也获取到了目标音乐的第二评分，则为第一评分和第二评分分别赋予权重，将第一评分和第二评分分别与其对应的权重相乘之后再相加，将获得的值作为目标音乐的综合评分。比如说某个目标音乐的第一评分和第二评分的权重都为0.5，若第一评分为80分，第二评分为100分，则该目标音乐的综合评分为80*0.5+100*0.5＝90分。
88.s404，基于综合评分确定推送参数的调整策略，其中，调整策略包括调整方向和调整量。
89.根据上述获得的目标音乐的综合评分确定推送参数的调整策略，其中，调整策略包括调整方向和调整量。
90.作为一种可实现的方式，设置一个第一分数阈值，若目标音乐的综合评分小于或等于第一分数阈值，则在后续相同的音乐使用场景中减少与目标音乐同类型的候选音乐的推送权重和/或推送频率。
91.作为另一种可实现的方式，设置一个第二分数阈值，若目标音乐的综合评分大于或等于第二分数阈值，则在后续相同的音乐使用场景中增加与目标音乐同类型的候选音乐的推送权重和/或推送频率。
92.作为另一种可实现的方式，设置一个第一分数阈值和一个第二分数阈值，其中，第二分数阈值大于第一分数阈值。若目标音乐的综合评分大于第一分数阈值且小于第二分数阈值，则在后续相同的音乐使用场景中维持与目标音乐同类型的候选音乐的推送权重和/或推送频率。
93.本技术实施例提出的音乐推荐方法，对在向用户推荐目标音乐后，通过可穿戴设备采集实时用户体征数据来获取用户实时的体征反馈，在不干扰用户音乐体验的前提下增加反馈的实时性，以及获取用户对于目标音乐的用户交互数据，通过对用户体征数据呼和/或用户交互数据进行打分，通过分值对所推荐的目标音乐的效果进行评估，并根据评估效果调整推送参数，以使后续推送的音乐更加适合用户。
94.图5是本技术提出的一种音乐推荐方法的示例性实施方式，如图5所示，该音乐推荐方法，包括以下步骤：
95.s501，获取可穿戴设备采集的第一用户特征数据。
96.关于步骤s501的实现方式，可采用本技术中各实施例中的实现方式，在此不再进行赘述。
97.s502，获取第二用户特征数据，并基于第一用户特征数据和第二用户特征数据，生成目标用户特征数据。
98.关于步骤s502的实现方式，可采用本技术中各实施例中的实现方式，在此不再进行赘述。
99.s503，获取当前的音乐使用场景对应的场景特征数据。
100.关于步骤s503的实现方式，可采用本技术中各实施例中的实现方式，在此不再进
行赘述。
101.s504，获取候选音乐的音乐特征数据。
102.获取音乐推荐系统中音乐库中的候选音乐的音乐特征数据，其中，音乐特征数据包括候选音乐的内容特征数据、关联特征数据和服务特征数据。其中，内容特征数据是指每首候选音乐基于数据和语意层面的描述。基于数据的描述例如频谱分布、节奏等，语意层面的描述比如乐器、流派、作家、年代、元素、节奏、时长等。关联特征数据指的是每两首音乐之间基于数据的相似性和基于语意层面的相似性。服务特征数据是指候选音乐推荐给所有用户播放后的反馈信息，比如说播放量、收藏量、受众人群等反馈信息。
103.s505，基于目标用户特征数据、场景特征数据和音乐特征数据，对候选音乐进行协同过滤，确定候选目标音乐。
104.基于上述获得的目标用户特征数据、场景特征数据和音乐特征数据，对候选音乐进行协同过滤，确定候选目标音乐。示例性的，比如说候选音乐有一亿首，那么可设定在协同过滤后，获取这一亿首里最适合的一千首作为候选目标音乐。
105.可选地，对候选音乐进行协同过滤时可采用基于用户的协同过滤推荐算法、基于项目的协同过滤推荐算法或者基于模型的协同过滤推荐算法。
106.s506，对候选目标音乐按照音乐类型对应的推送参数进行提取，获取目标音乐，并对目标音乐进行推送。
107.确定音乐类型对应的推送参数，对候选目标音乐按照音乐类型对应的推送参数进行提取，将提取得到的音乐作为目标音乐，并将目标音乐推送给用户。
108.示例性的，获取的一千首候选目标音乐的类型是多种多样的，不一定每种类型都符合某个用户的品味，在对某个用户进行推送时，可根据该用户的喜好，设置不同类型音乐的推送频率，并生成设定个数的目标音乐组成的推荐列表。其中，推送频率可根据用户的喜好变化进行调整。比如说某个用户在看书的时候特别喜欢听钢琴曲，可将看书场景下该用户的钢琴曲推送频率设置为80％，那么如果推荐列表为100首目标音乐组成的列表时，在一千首候选目标音乐中选出80首钢琴曲进入用户在看书场景下的目标音乐列表。
109.s507，获取可穿戴设备采集的实时用户体征数据，并基于可穿戴设备采集的实时用户体征数据，确定目标音乐的第一评分，其中，获取实时用户体征数据时目标音乐在音乐使用场景中播放。
110.关于步骤s507的实现方式，可采用本技术中各实施例中的实现方式，在此不再进行赘述。
111.s508，获取目标音乐对应的用户交互数据，基于用户交互数据确定目标音乐的第二评分。
112.关于步骤s508的实现方式，可采用本技术中各实施例中的实现方式，在此不再进行赘述。
113.s509，基于第一评分和第二评分，获取目标音乐的综合评分。
114.关于步骤s509的实现方式，可采用本技术中各实施例中的实现方式，在此不再进行赘述。
115.s510，基于综合评分确定推送参数的调整策略，其中，调整策略包括调整方向和调整量。
116.关于步骤s510的实现方式，可采用本技术中各实施例中的实现方式，在此不再进行赘述。
117.本技术通过可穿戴设备能够追踪用户的日常行为和生活方式，在音乐推荐系统的用户画像里增加更深入的描述维度，并且可穿戴设备监测的用户体征描述了用户的真实身心反应，使得音乐推荐系统对音乐的效果评估更加客观。在对在向用户推荐目标音乐后，通过可穿戴设备采集实时用户体征数据来获取用户实时的体征反馈，在不干扰用户音乐体验的前提下增加反馈的实时性，以及获取用户对于目标音乐的用户交互数据，通过对用户体征数据呼和/或用户交互数据进行打分，通过分值对所推荐的目标音乐的效果进行评估，并根据评估效果调整推送参数，以使后续推送的音乐更加适合用户。
118.图6是本技术提出的一种音乐推荐装置的示例性示意图，如图6所示，该音乐推荐装置600，包括第一获取模块61、第二获取模块62、第三获取模块63和推送模块64，其中：
119.第一获取模块61，用于获取可穿戴设备采集的第一用户特征数据。
120.第二获取模块62，用于获取第二用户特征数据，并基于第一用户特征数据和第二用户特征数据，生成目标用户特征数据。
121.第三获取模块63，用于获取当前的音乐使用场景对应的场景特征数据。
122.推送模块64，用于根据目标用户特征数据和场景特征数据，从候选音乐中确定目标音乐进行推送。
123.本技术实施例提出了一种音乐推荐装置，通过获取可穿戴设备采集的第一用户特征数据；获取第二用户特征数据，并基于第一用户特征数据和第二用户特征数据，生成目标用户特征数据；获取当前的音乐使用场景对应的场景特征数据；根据目标用户特征数据和场景特征数据，从候选音乐中确定目标音乐进行推送。本技术通过可穿戴设备能够追踪用户的日常行为和生活方式，在音乐推荐系统的用户画像里增加更深入的描述维度，并且可穿戴设备监测的用户体征描述了用户的真实身心反应，使得音乐推荐系统对音乐的效果评估更加客观。
124.进一步地，音乐推荐装置600还包括调整模块65，调整模块65用于：获取可穿戴设备采集的实时用户体征数据，其中，获取实时用户体征数据时目标音乐在音乐使用场景中播放；基于实时用户体征数据，调整与目标音乐同类型的候选音乐的推送参数，其中，推送参数包括推送权重和/或推送频率。
125.进一步地，调整模块65，还用于：获取目标音乐对应的用户交互数据，并基于用户交互数据，调整与目标音乐同类型的候选音乐的推送参数。
126.进一步地，调整模块65，还用于：基于可穿戴设备采集的实时用户体征数据，确定目标音乐的第一评分；基于用户交互数据确定目标音乐的第二评分；基于第一评分和第二评分，获取目标音乐的综合评分；基于综合评分确定推送参数的调整策略，其中，调整策略包括调整方向和调整量。
127.进一步地，调整模块65，还用于：响应于目标音乐的综合评分小于或等于第一分数阈值，则在后续相同的音乐使用场景中减少与目标音乐同类型的候选音乐的推送权重和/或推送频率。
128.进一步地，调整模块65，还用于：响应于目标音乐的综合评分大于或等于第二分数阈值，则在后续相同的音乐使用场景中增加与目标音乐同类型的候选音乐的推送权重和/
或推送频率。
129.进一步地，调整模块65，还用于：响应于目标音乐的综合评分大于第一分数阈值且小于第二分数阈值，则在后续相同的音乐使用场景中维持与目标音乐同类型的候选音乐的推送权重和/或推送频率。
130.进一步地，推送模块64，还用于：获取候选音乐的音乐特征数据；基于目标用户特征数据、场景特征数据和音乐特征数据，对候选音乐进行协同过滤，确定候选目标音乐；对候选目标音乐按照音乐类型对应的推送参数进行提取，获取目标音乐。
131.为了实现上述实施例，本技术实施例还提出一种电子设备700，如图7所示，该电子设备700包括：处理器701和处理器通信连接的存储器702，存储器702存储有可被至少一个处理器执行的指令，指令被至少一个处理器701执行，以实现如上述实施例所示的音乐推荐方法。
132.为了实现上述实施例，本技术实施例还提出一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机实现如上述实施例所示的音乐推荐方法。
133.为了实现上述实施例，本技术实施例还提出一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如上述实施例所示的音乐推荐方法。
134.在本技术的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本技术的限制。
135.此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本技术的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
136.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
137.尽管上面已经示出和描述了本技术的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本技术的限制，本领域的普通技术人员在本技术的范围内可以对上述实施例进行变化、修改、替换和变型。

技术特征：
1.一种音乐推荐方法，其特征在于，包括：获取可穿戴设备采集的第一用户特征数据；获取第二用户特征数据，并基于所述第一用户特征数据和所述第二用户特征数据，生成目标用户特征数据；获取当前的音乐使用场景对应的场景特征数据；根据所述目标用户特征数据和所述场景特征数据，从候选音乐中确定目标音乐进行推送。2.根据权利要求1所述的方法，其特征在于，所述从候选音乐中确定目标音乐进行推送之后，还包括：获取所述可穿戴设备采集的实时用户体征数据，其中，获取所述实时用户体征数据时所述目标音乐在所述音乐使用场景中播放；基于所述实时用户体征数据，调整与所述目标音乐同类型的所述候选音乐的推送参数，其中，所述推送参数包括推送权重和/或推送频率。3.根据权利要求1或2所述的方法，其特征在于，所述从候选音乐中确定目标音乐进行推送之后，还包括：获取所述目标音乐对应的用户交互数据，并基于所述用户交互数据，调整与所述目标音乐同类型的所述候选音乐的推送参数。4.根据权利要求3所述的方法，其特征在于，所述调整与所述目标音乐同类型的所述候选音乐的推送参数，包括：基于所述可穿戴设备采集的所述实时用户体征数据，确定所述目标音乐的第一评分；基于所述用户交互数据确定所述目标音乐的第二评分；基于所述第一评分和所述第二评分，获取所述目标音乐的综合评分；基于所述综合评分确定所述推送参数的调整策略，其中，所述调整策略包括调整方向和调整量。5.根据权利要求4所述的方法，其特征在于，所述基于所述综合评分确定所述推送参数的调整策略，包括：响应于所述目标音乐的所述综合评分小于或等于第一分数阈值，则在后续相同的所述音乐使用场景中减少与所述目标音乐同类型的所述候选音乐的推送权重和/或推送频率。6.根据权利要求4所述的方法，其特征在于，所述基于所述综合评分确定所述推送参数的调整策略，包括：响应于所述目标音乐的所述综合评分大于或等于第二分数阈值，则在后续相同的所述音乐使用场景中增加与所述目标音乐同类型的所述候选音乐的推送权重和/或推送频率。7.根据权利要求4所述的方法，其特征在于，所述基于所述综合评分确定所述推送参数的调整策略，包括：响应于所述目标音乐的所述综合评分大于所述第一分数阈值且小于所述第二分数阈值，则在后续相同的所述音乐使用场景中维持与所述目标音乐同类型的所述候选音乐的推送权重和/或推送频率。8.根据权利要求1所述的方法，其特征在于，从所述候选音乐中确定所述目标音乐的过程，包括：
获取所述候选音乐的音乐特征数据；基于所述目标用户特征数据、所述场景特征数据和所述音乐特征数据，对所述候选音乐进行协同过滤，确定候选目标音乐；对所述候选目标音乐按照音乐类型对应的所述推送参数进行提取，获取所述目标音乐。9.一种音乐推荐装置，其特征在于，包括：第一获取模块，用于获取可穿戴设备采集的第一用户特征数据；第二获取模块，用于获取第二用户特征数据，并基于所述第一用户特征数据和所述第二用户特征数据，生成目标用户特征数据；第三获取模块，用于获取当前的音乐使用场景对应的场景特征数据；推送模块，用于根据所述目标用户特征数据和所述场景特征数据，从候选音乐中确定目标音乐进行推送。10.根据权利要求9所述的装置，其特征在于，还包括调整模块，所述调整模块用于：获取所述可穿戴设备采集的实时用户体征数据，其中，获取所述实时用户体征数据时所述目标音乐在所述音乐使用场景中播放；基于所述实时用户体征数据，调整与所述目标音乐同类型的所述候选音乐的推送参数，其中，所述推送参数包括推送权重和/或推送频率。11.根据权利要求9或10所述的装置，其特征在于，所述调整模块，还用于：获取所述目标音乐对应的用户交互数据，并基于所述用户交互数据，调整与所述目标音乐同类型的所述候选音乐的推送参数。12.根据权利要求11所述的装置，其特征在于，所述调整模块，还用于：基于所述可穿戴设备采集的所述实时用户体征数据，确定所述目标音乐的第一评分；基于所述用户交互数据确定所述目标音乐的第二评分；基于所述第一评分和所述第二评分，获取所述目标音乐的综合评分；基于所述综合评分确定所述推送参数的调整策略，其中，所述调整策略包括调整方向和调整量。13.根据权利要求12所述的装置，其特征在于，所述调整模块，还用于：响应于所述目标音乐的所述综合评分小于或等于第一分数阈值，则在后续相同的所述音乐使用场景中减少与所述目标音乐同类型的所述候选音乐的推送权重和/或推送频率。14.根据权利要求12所述的装置，其特征在于，所述调整模块，还用于：响应于所述目标音乐的所述综合评分大于或等于第二分数阈值，则在后续相同的所述音乐使用场景中增加与所述目标音乐同类型的所述候选音乐的推送权重和/或推送频率。15.根据权利要求12所述的装置，其特征在于，所述调整模块，还用于：响应于所述目标音乐的所述综合评分大于所述第一分数阈值且小于所述第二分数阈值，则在后续相同的所述音乐使用场景中维持与所述目标音乐同类型的所述候选音乐的推送权重和/或推送频率。16.根据权利要求9所述的装置，其特征在于，所述推送模块，还用于：获取所述候选音乐的音乐特征数据；基于所述目标用户特征数据、所述场景特征数据和所述音乐特征数据，对所述候选音
乐进行协同过滤，确定候选目标音乐；对所述候选目标音乐按照音乐类型对应的所述推送参数进行提取，获取所述目标音乐。17.一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。18.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-8中任一项所述的方法。19.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-8中任一项所述的方法。

技术总结
本申请提出了一种音乐推荐方法及其装置，涉及计算机技术领域。本申请通过获取可穿戴设备采集的第一用户特征数据；获取第二用户特征数据，并基于第一用户特征数据和第二用户特征数据，生成目标用户特征数据；获取当前的音乐使用场景对应的场景特征数据；根据目标用户特征数据和场景特征数据，从候选音乐中确定目标音乐进行推送。本申请通过可穿戴设备能够追踪用户的日常行为和生活方式，在音乐推荐系统的用户画像里增加更深入的描述维度，并且可穿戴设备监测的用户体征描述了用户的真实身心反应，使得音乐推荐系统对音乐的效果评估更加客观。观。观。


技术研发人员：朱国康 俞轶 孟孜 张聪
受保护的技术使用者：安徽华米健康科技有限公司
技术研发日：2022.03.25
技术公布日：2023/10/7