[发明专利]基于车辆驾驶场景的音乐推荐方法

说明书

本发明提供一种基于车辆驾驶场景的音乐推荐方法，包括确定待推荐用户的人格特质信息；根据驾驶信息对车辆驾驶场景进行预分类；确定车辆当前驾驶场景；获取待推荐用户的音乐偏好信息；根据音乐偏好相似用户的音乐偏好信息、人格特质相似用户的人格特质信息、音乐偏好相似用户对各歌曲的偏好信息、人格特质相似用户对各歌曲的偏好信息确定待推荐用户对各歌曲的偏好度；并根据待推荐用户对各歌曲的偏好度构建音乐推荐列表。本方案在确定车辆驾驶场景时充分考虑了驾驶场景对用户心情的影响。而根据驾驶信息对车辆驾驶场景进行预分类可以有效地减少计算量，提高了推荐效率。

技术领域

本发明涉及车载音乐推荐方法技术领域，特别涉及一种基于车辆驾驶场景的音乐推荐方法。

背景技术

随着大数据分析技术的广泛应用，基于用户兴趣推荐相关内容的功能也逐渐融入消费者的日常生活。其中，音乐推荐功能及相关产品越来越受到消费者的关注和好评。

现有的音乐推荐功能大都是根据用户的历史收听记录与用户画像分析出该用户会对哪些音乐曲目感兴趣，实现个性化的音乐推荐服务，从而提升用户的产品体验满意度。目前各大音乐产品平台都具有个性化音乐推荐服务，后台的推荐算法也各自不同。大致分为基于音乐内容分析的音乐推荐方法，如虾米音乐，Song Taste音乐网站。基于用户社区行为分析的音乐推荐方法，如网易云音乐。基于用户画像和历史收听列表的音乐推荐方法，如酷狗音乐、QQ音乐。基于音乐评论语境分析与用户偏好分析等数据的音乐推荐方法，如豆瓣电台。虽然各大互联网巨头都在音乐推荐产品上积极部署资源，建立音乐社交圈，撬动背后巨大的潜在商业利润，但是目前的产品都是应用在手机、平板电脑等客户移动端的，因此在推荐音乐的时候并不会考虑用户实时所处的场景信息，即使是考虑场景信息，也需要用户手动输入场景信息。

事实上，用户所处的场景决定了用户当前时刻的心情，而心情不同，想要听到的音乐也就不同。现有技术中在推荐音乐的时候不考虑用户实时所处的场景信息，会使得推荐结果准确度不高。即使是手动输入场景信息提高了准确度，手动操作也会降低用户的体验感。

发明内容

本发明的目的在于解决现有技术中在推荐音乐的时候不考虑用户实时所处的场景信息，会使得推荐结果准确度不高。即使是手动输入场景信息提高了准确度，手动操作也会降低用户的体验感的问题。

为解决上述问题，本发明的实施方式公开了一种基于车辆驾驶场景的音乐推荐方法，包括以下步骤：

S1：根据人格评测工具确定待推荐用户的人格特质信息；

S2：采集车辆的埋点数据，并将埋点数据随机分为训练集和测试集；其中，埋点数据包括驾驶信息和场景信息；

S3：根据埋点数据的驾驶信息对训练集的数据的驾驶信息进行预分类；

S4：根据预分类结果以及待推荐用户当前的驾驶信息，确定待推荐用户当前的驾驶场景；

S5：对待推荐用户当前的驾驶场景对应的场景信息进行相关性分析，以获取待推荐用户的音乐偏好信息；

S6：根据音乐偏好信息确定与待推荐用户的音乐偏好相近的若干音乐偏好相似用户，并根据人格特质信息确定与待推荐用户的人格特质相近的若干人格特质相似用户；

S7：根据音乐偏好相似用户的音乐偏好信息、人格特质相似用户的人格特质信息、音乐偏好相似用户对各歌曲的偏好信息、人格特质相似用户对各歌曲的偏好信息确定待推荐用户对各歌曲的偏好度；并根据待推荐用户对各歌曲的偏好度构建音乐推荐列表。

采用上述方案，根据驾驶信息及场景确定车辆驾驶场景，充分考虑了驾驶场景对用户心情的影响。根据驾驶信息对车辆驾驶场景进行预分类，在后续构建音乐推荐列表时，只需根据预分类结果评估待推荐用户属于哪一类，然后再该类别中根据偏好度和人格特质构建音乐推荐列表，有效地减少了计算量，提高了推荐效率。