基于語義分析的音樂智能推薦系統(tǒng)的設計與實現(xiàn)

李林，譚瀾蘭，覃嶺

（成都師范學院計算機學院，四川 成都 611730）

0 引言

隨著各種智能設備和移動互聯(lián)網(wǎng)絡的飛速普及，數(shù)字音樂已深入人們生活的方方面面[1-2]。個性化音樂推薦現(xiàn)已被眾多互聯(lián)網(wǎng)公司和研究機構(gòu)高度重視，成為最熱門研究課題之一。由于互聯(lián)網(wǎng)音樂結(jié)構(gòu)復雜、形式多樣、數(shù)據(jù)量大等特點，導致廣大受眾群體容易產(chǎn)生信息疲勞[3-4]。為此如何采用新興的個性化推薦技術(shù)幫助廣大用戶從海量互聯(lián)網(wǎng)音樂數(shù)據(jù)中提取個人感興趣的曲目就顯得非常必要和有價值。

近年來，國外研究表明，基于上下文的信息，如活動、情緒狀態(tài)、一天中的分段時間等等，會對用戶的偏好產(chǎn)生巨大影響。因此，在不少研究人員提出音樂推薦時應考慮這些建議。為此提供基于情感的音樂選擇是其中選擇之一[5]。數(shù)字媒體的變革改變了生活的不同方面，也改變了音樂產(chǎn)業(yè)和聽眾的收聽習慣。便捷的電子設備和瀏覽器音樂收聽服務的推出，減少了訪問大量音樂的機會。然而，這種訪問最終會給客戶帶來不利影響，即為明確的事務或情緒選擇正確的音樂。用戶在選擇音樂時通常會被許多歌曲淹沒。雖然純粹的推薦性能通常與用戶滿意度相關(guān)，但可解釋性對其他因素有積極影響，如信任和寬恕，這些因素最終對保持用戶忠誠度至關(guān)重要[6]。

研究人員發(fā)現(xiàn)，用戶的情緒狀態(tài)對用戶的音樂偏好有很大影響。因此，提及推薦系統(tǒng)中的情緒會以積極的方式影響用戶滿意度，從而使其成為生成音樂推薦時應考慮的重要特征之一[7]。研究者觀察到，當用戶悲傷時，他或她更喜歡聽悲傷和緩慢的音樂，但當用戶高興時，他/她更喜歡聽快樂和歡快的音樂。這在心理學研究領(lǐng)域也被稱為情緒一致性效應。這種情緒一致性可以通過應用情緒分析的概念來計算。這是積極的、消極的還是中性的過程以及在什么背景下發(fā)生對推薦有重要影響。最近，許多工作都結(jié)合文本數(shù)據(jù)、語音數(shù)據(jù)的情感分析進行推薦，取得了不錯的效果[8]。

國內(nèi)對數(shù)字音樂推薦研究同樣發(fā)展良好，涌現(xiàn)了大量卓有成效的研究成果[9]。也出現(xiàn)很多知名的個性化音樂電臺,如國內(nèi)的著名網(wǎng)站：QQ 音樂和163 音樂網(wǎng)站等,但其推薦結(jié)果的準確率和覆蓋率都較低,缺乏個性化,往往并不能令用戶真正滿意。

音樂推薦與傳統(tǒng)電影、圖書等其他基于內(nèi)容推薦相比較為特別，比如：用戶偏好一般用隱式途徑得到。用戶使用音樂可以作為循環(huán)播放或者作為工作背景音樂，選擇音樂往往和使用者心情有很高的關(guān)聯(lián)度。推薦播放列表具有隨機播放特性或者用戶自由選擇，具有很高的隨意性。因此個性化音樂推薦考慮個人偏好和心情特征進行推薦將更具有現(xiàn)實意義[10]。

個性化音樂推薦系統(tǒng)一般包含推薦算法、用戶偏好模型和音樂資源表征所組成。推薦算法有基于內(nèi)容的、基于協(xié)同過濾的和基于深度學習方法的算法。用戶偏好模型有基于用戶瀏覽或者收聽等行為的模型。音樂資源表征要根據(jù)歌曲、歌手和專輯等信息進行分析，進行數(shù)據(jù)預處理比如歸一化、數(shù)據(jù)清洗等，從而構(gòu)建音樂特征數(shù)據(jù)集，作為后續(xù)推薦模型的輸入數(shù)據(jù)[11]。

當前，個性化推薦主要是采用推薦策略或者算法改進來提高推薦效率，往往對推薦對象和用戶的一些語義分析不足。音樂資源特征描述在音樂推薦中具有極其特殊重要性，這涉及音樂文件屬性的類別描述，使用者對歌曲的個人偏好理解以及音樂數(shù)字信號特征描述等，這些信息對最終的推薦極具價值。

為此，本文從音樂資源特征描述著手，結(jié)合資源數(shù)字信號特征分析，從而構(gòu)建特征模型，在此基礎(chǔ)上實現(xiàn)對音樂的個性化特征推薦。以此為基礎(chǔ)上采用Python語言，通過Django平臺構(gòu)建了一個實用的個性化音樂推薦系統(tǒng)。

1 音樂特征表示模型

對音樂的語義特征分析顯得尤為重要，音樂中包含大量語義信息。分析這些語義信息中對于個性化推薦極其必要，將極大地提升音樂推薦的準確性，更好地滿足用戶個性化服務需求。

1.1 音樂語義特征構(gòu)建

本系統(tǒng)語義特征構(gòu)建如圖1所示。

圖1 音樂語義特征構(gòu)建框架

首先，構(gòu)建音樂語義特征數(shù)據(jù)集，這里包括各種音樂資源信息的初步語法分析：比如分詞處理，包括中文分詞和英文分詞，然后合并預處理信息輸出到下一環(huán)節(jié)。

其次，對輸入的音樂語義信息進行分詞處理，提取到關(guān)鍵詞。

第三，然后結(jié)合語義詞典和音樂領(lǐng)域本體，通過語義映射，對于符合邏輯推理的特征信息直接返回。

第四，對不符邏輯推理的信息，再進一步通過句子相似度分析，結(jié)合語義詞典構(gòu)建語義特征信息，對滿足要求的特征信息并返回結(jié)果，否則丟掉這部分信息。

1.2 音樂數(shù)字特征提取

音樂數(shù)字特征對推薦有重要的作用，提取方法如圖2所示。

圖2 音樂數(shù)字特征提取

首先，通過對每幀數(shù)據(jù)分解，采用FFT 或DWT 變換，將信息轉(zhuǎn)換到傅里葉域或離散小波域。

其次在不同子信道上提取特征，合并形成音色特征。

最后，將相鄰音色特征進行特征整合形成瞬時特征。

1.3 個性音樂推薦框架

結(jié)合前兩步形成的特征，進行系統(tǒng)表現(xiàn)層的設計，如圖3所示。

圖3 推薦模塊框架

首先將用戶偏好模型與音樂特征集合，推薦通過用戶特征、評論等信息特征化后，結(jié)合系統(tǒng)的音樂特征、訓練模型，采用相應的推薦算法進行個性化推薦，構(gòu)建針對性的推薦結(jié)果列表。

推薦和分析結(jié)果以BS 方式呈現(xiàn)，采用HTML、jQuery和Django框架等方式進行設計。

2 系統(tǒng)實現(xiàn)功能實現(xiàn)與展示

2.1 系統(tǒng)實現(xiàn)技術(shù)說明

系統(tǒng)架構(gòu)采用Python、Django、Node開發(fā)。

前端通過Python、HTML5、jQuery 和Django 平臺實現(xiàn)前端UI 界面。顯示數(shù)據(jù)通過JSON 接口獲取數(shù)據(jù)。

服務端通過Django 和Node 實現(xiàn)，采用服務接口提供JSON數(shù)據(jù)供客戶端調(diào)用。同時服務端實現(xiàn)對數(shù)據(jù)表的增加、讀取、修改、刪除(CRUD)功能。

數(shù)據(jù)庫采用MySQL 8.0作為數(shù)據(jù)存儲的軟件。

2.2 數(shù)據(jù)庫和系統(tǒng)設計

整個系統(tǒng)涉及表較多，此處僅列出核心表。

1）音樂表結(jié)構(gòu)(music)

表1 music表

音樂表主要記錄歌曲的相關(guān)信息，musicName 為歌曲名稱，musicAddress 記錄歌曲播放路徑，music-Type 為歌曲類型，musicLength 為歌曲時長，lyricName為專輯名稱，lyricAddress為專輯鏈接地址。

2）用戶播放表結(jié)構(gòu)

表2 playlist表

用戶播放記錄用戶對歌曲播放的相關(guān)信息，userId是用戶編號，musicId 是歌曲編號，playTime 是播放時間，durationTime是播放持續(xù)時間長度。

3）推薦表結(jié)構(gòu)

該表記錄系統(tǒng)推薦結(jié)果，userId 是用戶編號，musicId 是歌曲編號，Sim 是計算userId 和musicId 之間相似度的值。推薦根據(jù)歌曲之間相似度大小，從高到低出現(xiàn)在推薦列表之中。

表3 recommendation表

這三個表中，music 表中id，在playlist 和recommendation 表中misicId 以外鍵方式呈現(xiàn)，Music 和recommendation表中userId為外鍵。

2.3 系統(tǒng)實現(xiàn)結(jié)果描述

本系統(tǒng)分為前后兩端：

1）前端系統(tǒng)包括

①首頁，用戶進入系統(tǒng)，各子功能導航。

②查詢音樂：查詢數(shù)據(jù)庫中音樂信息等。

③風行推薦：根據(jù)音樂語義信息進行音樂推薦等。

④新歌上線：對系統(tǒng)中當前最新歌曲進行推薦等。

⑤個人偏好：考慮個人偏好信息的語義音樂推薦。

前端首頁如圖4所示，可以看到當前最風行音樂推薦、最新歌曲推薦和根據(jù)個人偏好進行的推薦。

圖4 推薦系統(tǒng)前端首頁

2）后端系統(tǒng)

①系統(tǒng)用戶管理：實現(xiàn)對系統(tǒng)用戶和普通前端用戶的管理，實現(xiàn)基本的用戶添加、修改、查詢和刪除功能。

②音樂專輯管理：實現(xiàn)對歌手專輯信息管理，實現(xiàn)基本的專輯信息添加、修改、查詢和刪除功能。

③下載信息管理：管理歌曲下載，實現(xiàn)基本的下載添加、修改、查詢和刪除功能。

④偏好信息管理：設置用戶的偏好，這個對推薦系統(tǒng)非常重要，實現(xiàn)基本的偏好信息添加、修改、查詢和刪除功能。

⑤播放信息管理：管理播放管理，實現(xiàn)基本的添加、修改、查詢和刪除功能。

⑥推薦數(shù)據(jù)管理：管理推薦數(shù)據(jù)，實現(xiàn)基本的推薦數(shù)據(jù)添加、修改、查詢和刪除功能。

⑦評論信息管理：管理評論信息，實現(xiàn)基本評論的添加、修改、查詢和刪除功能。

⑧用戶角色管理：管理用戶角色，實現(xiàn)基本角色的添加、修改、查詢和刪除功能。

⑨歌曲信息管理：管理歌曲基本信息，實現(xiàn)歌曲的添加、修改、查詢和刪除功能。

后端例子如圖5，在一個統(tǒng)一界面中，實現(xiàn)對各種信息的添加、修改、查詢和刪除功能管理。

圖5 后端歌曲信息維護

3 結(jié)束語

通過本項目的實施，收獲頗豐，總結(jié)如下：

1）重要音樂特征數(shù)據(jù)集對推薦系統(tǒng)非常重要，這對訓練模型，構(gòu)建有效推薦系統(tǒng)很關(guān)鍵。其次數(shù)據(jù)的預處理對后期的開發(fā)也極具價值，對推薦合理性和準確率影響很有幫助。

2）構(gòu)建適合于特定數(shù)據(jù)集的個性化推薦算法。其中涉及音樂中出現(xiàn)的音樂種類、流派和描述信息等信息的特征提取和語義類別判定。

3）推薦具有針對性和用戶特殊性，對不同的用戶群體推薦策略。對于懂得音樂的聽眾，往往需要采用綜合推薦方法，考慮一些更為細致的信息輔助推薦，這樣個性化程度更高。

4）既要用好音樂語義信息，也高度關(guān)注用戶相關(guān)的社交行為。比如用戶在社交網(wǎng)絡上的活動（比如好友互動、分享信息、搜藏信息等）提供豐富有價值的推薦特征，如果能夠很好地加以利用，則可以更好地對客戶特征進行刻畫，在充分了解基礎(chǔ)的上開展的推薦將會更加精準和有效。

5）構(gòu)建美觀和跨平臺的UI 設計，對于推薦項目，合理和科學的UI 很重要，對產(chǎn)品的實用性非常重要。本系統(tǒng)采用了最新UI平臺和設計技術(shù)，做到了界面美觀，貼近實用。