[发明专利]阅读文学作品的背景音乐推荐系统及其实现方法

权利要求书

1.一种阅读网络文学的音乐推荐系统，其特征是，包括：

音乐特征抽取模块，该模块从每首音乐作品中抽取一个音乐特征向量，并发送给文学聚类模块、用户聚类模块；

文学聚类模块，该模块将多个文学作品聚类为多个文学类别，识别文学作品所属的文学类别，计算文学类别与音乐特征向量之间的相关值，并发送给第一判决模块；

用户聚类模块，该模块将多个用户聚类为多个用户类别，识别用户所属的用户类别，计算用户类别与音乐特征向量之间的相关值，并发送给第二判决模块；

第一判决模块，将用户阅读的文学作品所属的文学类别与所有音乐特征向量之间的相关值大于第一阈值的那些音乐特征向量，发送给第二判决模块；

第二判决模块，将用户所属的用户类别与第一判决模块发来的所有音乐特征向量之间的相关值大于第二阈值的那些音乐特征向量所对应的音乐作品，推荐给用户。

2.如权利要求1所述的音乐推荐系统的实现方法，其特征是，包括如下步骤：

第1步，训练阶段；

音乐特征抽取模块从音乐训练集中的每一首音乐作品中抽取一种或多种音乐特征，然后对每一首音乐作品形成一个音乐特征向量，并将得到的多个音乐特征向量发送给文学聚类模块、用户聚类模块；

文学聚类模块从文学训练集中的每一部文学作品中抽取一种或多种文学特征，然后对所有文学作品根据文学特征进行聚类，得到多个文学类别以及文学与音乐相关性统计模型；

用户聚类模块从用户训练集中的每一个用户中抽取一种或多种用户特征，然后对所有用户根据用户特征进行聚类，得到多个用户类别以及用户与音乐相关性统计模型；

第2步，使用阶段；

用户阅读文学作品时，文学聚类模块识别出该文学作品所属的文学类别，并根据文学与音乐相关性统计模型计算所述文学类别与所有音乐特征向量之间的相关值，并发送给第一判决模块；同时用户聚类模块识别出该用户所属的用户类别，并根据用户与音乐相关性统计模型计算所述用户类别与所有音乐特征向量之间的相关值，并发送给第二判决模块；

第一判决模块将所述文学类别与所有音乐特征向量之间的相关值大于第一阈值的那些音乐特征向量，发送给第二判决模块；

第二判决模块将所述用户类别与所有音乐特征向量之间的相关值大于第二阈值、且是第一判决模块发送来的音乐特征向量所对应的音乐作品，推荐给用户。

3.根据权利要求2所述的音乐推荐系统的实现方法，其特征是，所述音乐特征包括曲作者、词作者、演唱者、演奏者、语种、音乐流派、年代、压缩码率、时长、专辑名称、旋律、音色中的一种或多种；

所述文学特征包括作者背景、评价信息、作品描述信息、语言风格信息中的一种或多种；所述作者背景包括作者在文学网站上的注册时间、性别、教育背景、简介中的一种或多种；所述评价信息包括该作者以往文学作品的数量、排名、读者投票、读者评价中的一种或多种；所述作品描述信息包括作品的类别、字数、章节数、标签中的一种或多种；所述语言风格信息包括从作品的标题、摘要、目录、正文中抽取的文言文、白话文、时尚用语、网络用语、成语、古文、诗词的使用分布情况；

所述用户特征包括用户注册信息、好友信息、文学偏好、音乐偏好中的一种或多种；所述用户注册信息包括用户的性别、年龄、职业、地区、教育背景中的一种或多种；所述好友信息包括用户所加入的俱乐部信息、好友、所支持的作者中的一种或多种；所述文学偏好包括用户阅读过的文学作品、是否付费、评价中的一种或多种；所述音乐偏好包括用户听过的音乐作品、评价中的一种或多种。

4.根据权利要求2所述的音乐推荐系统的实现方法，其特征是，所述方法第1步中，对所有文学作品根据文学特征进行聚类包括四个阶段；首先是根据一个或多个文学特征形成文学特征向量；其次是对文学特征向量进行降维；然后是统计分析算法进行计算得到多个文学类别；最后建立文学与音乐相关性统计模型；所述文学与音乐相关性统计模型为每个文学类别与每个音乐特征向量之间的相关值；

对所有用户根据用户特征进行聚类也包括四个阶段；首先是根据一个或多个用户特征形成用户特征向量；其次是对用户特征向量进行降维；然后是统计分析算法进行计算得到多个用户类别；最后建立用户与音乐相关性统计模型；所述用户与音乐相关性统计模型为每个用户类别与每个音乐特征向量之间的相关值。