本发明属于音乐推荐技术领域，具体涉及一种基于时间段的音乐推荐方法。
背景技术
现有音乐推荐包括：基于用户身份信息和所听音乐类型；结合社交平台用户发布内容判断用户心情推荐；基于用户偏好推荐；基于用户所听的歌曲的次数；基于场景的推荐，例如运动状态等。只是解决了一些用户偏好、环境、心情、生理信息、身份信息等场景的推荐功能，但是并没有基于时间段的音乐推荐功能，由于用户在不同时的时段通常会处于不同的状态，如上班时间、午休时间，不利于用户根据自身的生活时间段收听音乐。
技术实现要素：
本发明的目的在于提供一种基于时间段的音乐推荐方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种基于时间段的音乐推荐方法，包括如下具体操作步骤：
s1：收集数据建立信息库，收集用户播放曲目信息上传给服务器，服务器根据收集到信息建立用户音乐信息库；
s2：时段划分，将按工作日和休息日对时间进行划分；
s3：使用建立好的音乐信息库结合时间段的划分，使用歌曲匹配算法自动抓取没有收集到的其他音乐特征相似的音乐，丰富基于收集到的用户音乐信息库；
s4：根据划分的时间段对用户在所处时间段中播放的所有曲目信息统计计算，得出对应时间段中播放曲目的信息；
s5：不停的对s1中所描述的数据进行收集，完善用户音乐信息库，提高推荐准确性；
s6：使用s4中算出来的曲目的信息检索服务器中其他的相似的曲目，并将匹配的曲目加入用户曲目信息库；
s7：在用户打开音乐终端时获取当前时间，根据用户当前信息自动推荐符合当前时间段的曲目，推荐出来的音乐数目包括用户音乐信息库中的音乐和通过匹配算法自动推荐的音乐；
s8：在用户播放音乐或者运行音乐软件时检查当前时间变化，如果相应时间段发生变化就主动更新该时间段对应的推荐列表；
s9：如果当前用户没有登录，则按照当前时间段其他已登录用户播放次数最多的音乐类型进行推荐，该类型为其他所有已登录用户在该时间段中播放次数最多的类型。
优选的，步骤s1中收集的信息包括歌曲风格、语言、类型、场景、心理状态、播放次数，同时，对用户播放曲目时的位置信息以及播放曲目时的时间点信息进行收集后上传给服务器。
优选的，步骤s2中时间划分方法为：
工作日：
起床时间：6点到9点为上班前时间，包括起床，晨练，早餐时间；
上午工作时间：9到12点；
午休时间：12到14点；
下午工作前半段时间：14到16点；
下午茶时间：16到18点；
下班时间：18到20点；
晚上运动时间：20到22点；
睡觉前时间：22到00点；
休息日：
起床时间：7点到10点；
上午时间：10点到12点；
中午时间：12点到15点；
下午时间：15点到19点；
晚上活动时间：19点到22点；
夜生活时间：22点凌晨2点。
优选的，步骤s3中歌曲匹配算法为：
对一首歌曲定义如下特征：
1)l表示语言,每种语言使用一个数字表示；
2)y表示年代，每个年代使用一个数字表示；
3)s表示风格，每个风格使用一个数字表示；
4)m表示心情状态，每个心情状态使用一个数字表示，每个时间段所听的曲目分开计算，在该时间段中分别按照歌曲属性统计相应属性的比例，找到占比最大的：l＝max(ti/t)，t表示所听歌曲中不同语言的总数，i表示语言，t表示该时间段所听歌曲总数，这样可以算出该时间段中所听的歌曲中语言种类最多的一种音乐，同理，y＝max(yi/t),s＝max(si/t),m＝max(mi/t)，每次在用户打开音乐软件，软件会根据以上结果去服务器拉取相应的音乐列表进行推荐。
本发明的技术效果和优点：
通过时间对推荐音乐进行划分，有利于用户根据时段收听音乐，使得用户根据按时段推荐的音乐来适应当前时段的工作生活状态，有利于改善使用者的心情状态，提高工作效率。
具体实施方式
下面将结合本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
一种基于时间段的音乐推荐方法，包括如下具体操作步骤：
s1：收集数据建立信息库，收集用户播放曲目信息上传给服务器，包括歌曲风格、语言、类型、场景、心理状态、播放次数，同时，对用户播放曲目时的位置信息以及播放曲目时的时间点信息进行收集后上传给服务器，服务器根据收集到的播放曲目时的位置信息以及时间点信息建立用户音乐信息库；
s2：时段划分，将按工作日和休息日对时间进行划分，划分方法为：工作日：
起床时间：6点到9点为上班前时间，包括起床，晨练，早餐时间；
上午工作时间：9到12点；
午休时间：12到14点；
下午工作前半段时间：14到16点；
下午茶时间：16到18点；
下班时间：18到20点；
晚上运动时间：20到22点；
睡觉前时间：22到00点；
休息日：
起床时间：7点到10点；
上午时间：10点到12点；
中午时间：12点到15点；
下午时间：15点到19点；
晚上活动时间：19点到22点；
夜生活时间：22点凌晨2点；
s3：使用建立好的音乐信息库结合时间段的划分，使用歌曲匹配算法自动抓取没有收集到的其他音乐特征相似的音乐，丰富基于收集到的用户音乐信息库，歌曲匹配算法为：
对一首歌曲定义如下特征：
1)l表示语言,每种语言使用一个数字表示；
2)y表示年代，每个年代使用一个数字表示；
3)s表示风格，每个风格使用一个数字表示；
4)m表示心情状态，每个心情状态使用一个数字表示，每个时间段所听的曲目分开计算，在该时间段中分别按照歌曲属性统计相应属性的比例，找到占比最大的：l＝max(ti/t)，t表示所听歌曲中不同语言的总数，i表示语言，t表示该时间段所听歌曲总数，这样可以算出该时间段中所听的歌曲中语言种类最多的一种音乐，同理，y＝max(yi/t),s＝max(si/t),m＝max(mi/t)，每次在用户打开音乐软件，软件会根据以上结果去服务器拉取相应的音乐列表进行推荐；
s4：根据划分的时间段对用户在所处时间段中播放的所有曲目信息统计计算，得出对应时间段中播放曲目的信息；
s5：不停的对s1中所描述的数据进行收集，完善用户音乐信息库，提高推荐准确性；
s6：使用s4中算出来的曲目的信息检索服务器中其他的相似的曲目，并将匹配的曲目加入用户曲目信息库；
s7：在用户打开音乐终端时获取当前时间，根据用户当前信息自动推荐符合当前时间段的曲目，推荐出来的音乐数目包括用户音乐信息库中的音乐和通过匹配算法自动推荐的音乐；
s8：在用户播放音乐或者运行音乐软件时检查当前时间变化，如果相应时间段发生变化就主动更新该时间段对应的推荐列表；
s9：如果当前用户没有登录，则按照当前时间段其他已登录用户播放次数最多的音乐类型进行推荐，该类型为其他所有已登录用户在该时间段中播放次数最多的类型。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。