計(jì)算機(jī)制作音樂類作品在線播放系統(tǒng)設(shè)計(jì)

薛卓艷

關(guān)鍵詞： 音樂類作品; 在線播放系統(tǒng); 搜索效率; 用戶管理; 感興趣程度; 系統(tǒng)設(shè)計(jì)

中圖分類號(hào)： TN802?34; TP317 ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼： A ? ? ? ? ? ? ? ? ? ?文章編號(hào)： 1004?373X（2018）24?0082?04

Design of online play system for computer?made music works

XUE Zhuoyan

（Weinan Normal University， Weinan 714000， China）

Abstract： Since the current design method of the online play system for music works has the problems of low search efficiency and low accuracy of interest degree calculation results， a design method for the online play system of computer?made music works is proposed. The play system is composed of the system and user management platform， music work management platform， and music work collecting and editing platform. The system and user management platform is used to identify the user′s right and authenticity. The music work collecting and editing platform is used to realize download and upload of music works. The music work management platform is used to conduct catalogue management， transcoding service and migration management of music works. The user?music work association list is constructed based on the user′s work matrix. The similarity degrees between the target users and other users are calculated. The calculation results are ranked to obtain the nearest neighbor set of the target users with the highest similarity， so as to select the music works that the users like. The UserCF algorithm is used to calculate the users′ interest level to the works， so as to generate a recommendation list of music works， and complete the design of the online play system for computer?made music works. The experimental results show that the proposed method has a high search efficiency and high accuracy of interest degree calculation results.

Keywords： music work; online play system; search efficiency; user management; interest degree; system design

科學(xué)技術(shù)的進(jìn)步促進(jìn)了手機(jī)的普及，智能手機(jī)被廣泛地應(yīng)用到人們的生活中，并影響人們的生活習(xí)慣[1]。錄音機(jī)、MP3等音樂播放器沒有歌曲推薦功能，用戶在海量的歌曲中不能選出自己喜歡的歌曲，為了滿足用戶的需求，需要對(duì)在線播放系統(tǒng)設(shè)計(jì)方法進(jìn)行研究。當(dāng)前在線播放系統(tǒng)設(shè)計(jì)方法搜索效率低、感興趣程度計(jì)算結(jié)果準(zhǔn)確率低[2]。

苗靜等提出一種嵌入式智能音樂播放系統(tǒng)設(shè)計(jì)方法。該方法通過服務(wù)端和移動(dòng)端軟件APP構(gòu)成播放系統(tǒng)，服務(wù)端包括網(wǎng)絡(luò)機(jī)頂盒及路由器，具有實(shí)時(shí)控制播放和定時(shí)播放的功能，通過網(wǎng)絡(luò)機(jī)頂盒對(duì)歌曲播放時(shí)間和遠(yuǎn)程更新進(jìn)行控制。該方法搜索音樂作品所用的時(shí)間較長(zhǎng)，搜索效率低[3]。李志全等人提出了一種基于白光LED可見光通信的播放系統(tǒng)設(shè)計(jì)方法。該方法設(shè)計(jì)的播放系統(tǒng)中包括接收模塊和發(fā)射模塊，用戶使用手機(jī)中的音樂播放器播放音樂時(shí)，通過雙音頻線插頭在發(fā)射模塊中輸入音頻信號(hào);采用C12702?11 APD模塊在接收模塊中完成光信號(hào)與電信號(hào)的轉(zhuǎn)換，并對(duì)轉(zhuǎn)換得到的電信號(hào)進(jìn)行濾波處理，完成音樂播放。該方法不能準(zhǔn)確地計(jì)算出用戶對(duì)音樂類作品的感興趣程度[4]。陳晨等提出一種基于流媒體服務(wù)器的音樂播放系統(tǒng)設(shè)計(jì)方法。該方法設(shè)計(jì)的音樂播放系統(tǒng)中的流媒體服務(wù)器為WiFi網(wǎng)絡(luò)適配器和ARM板，對(duì)客戶端接收外界設(shè)備或本地推送的音樂進(jìn)行控制。該方法對(duì)用戶指定的音樂類作品進(jìn)行搜索時(shí)，所用的時(shí)間較長(zhǎng)，搜索效率低[5]。

為解決上述方法中存在的問題，本文提出一種計(jì)算機(jī)制作音樂類作品在線播放系統(tǒng)設(shè)計(jì)方法。

1 ?計(jì)算機(jī)制作音樂類作品在線播放系統(tǒng)

1.1 ?系統(tǒng)與用戶管理平臺(tái)

管理用戶是在登錄計(jì)算機(jī)制作音樂類作品在線播放系統(tǒng)時(shí)，需要對(duì)用戶進(jìn)行認(rèn)證，通過認(rèn)證的用戶才能夠使用和操作系統(tǒng)[6]?；诮巧L問控制在認(rèn)證和管理的方法上可以降低系統(tǒng)的管理開銷和操作復(fù)雜度，提高播放系統(tǒng)訪問控制的安全。角色訪問控制模型見圖1。

計(jì)算機(jī)制作音樂類作品在線播放系統(tǒng)中較為重要的一步是管理用戶，管理用戶也是播放系統(tǒng)中的基礎(chǔ)工作[7?8]。角色之間在計(jì)算機(jī)制作音樂類作品在線播放系統(tǒng)中的繼承關(guān)系可以通過用戶認(rèn)證解決。用戶通過申請(qǐng)計(jì)算機(jī)制作音樂類作品在線播放系統(tǒng)的賬號(hào)，登錄系統(tǒng)，根據(jù)系統(tǒng)賦予的權(quán)限對(duì)計(jì)算機(jī)制作音樂類作品在線播放系統(tǒng)進(jìn)行操作。

1.2 ?音樂類作品管理平臺(tái)

用戶通過音樂類作品管理平臺(tái)實(shí)現(xiàn)計(jì)算機(jī)制作音樂類作品在線播放系統(tǒng)的人性化工作。

1） 存儲(chǔ)管理。計(jì)算機(jī)制作音樂類作品在線播放系統(tǒng)采用近線存儲(chǔ)和在線存儲(chǔ)的分級(jí)存儲(chǔ)結(jié)構(gòu)。通過存儲(chǔ)管理系統(tǒng)對(duì)以上兩個(gè)存儲(chǔ)區(qū)統(tǒng)一進(jìn)行調(diào)度，使兩個(gè)存儲(chǔ)區(qū)共同完成數(shù)據(jù)對(duì)象的維護(hù)、交換和存儲(chǔ)任務(wù)[9?10]。通過近線存儲(chǔ)完成全部高碼率素材的存儲(chǔ)，通過在線存儲(chǔ)完成部分高碼率素材和全部低碼率素材的存儲(chǔ)。

2） 數(shù)據(jù)遷移。音樂類作品在在線和近線之間的回遷和遷移通過遷移模塊完成，并對(duì)數(shù)據(jù)流磁帶庫(kù)設(shè)備進(jìn)行控制，在線與近線之間的遷移任務(wù)通過數(shù)據(jù)遷移模塊完成。在數(shù)據(jù)遷移管理的過程中會(huì)將計(jì)算機(jī)制作音樂類作品在線播放系統(tǒng)中所有有關(guān)的元數(shù)據(jù)都保存到數(shù)據(jù)庫(kù)中。

1.3 ?音樂類作品采編平臺(tái)

1） 下載模塊管理。將服務(wù)器端的音樂類作品下載到本地文件中是下載管理模塊的主要功能。在線音樂客戶端聽網(wǎng)絡(luò)中的音樂類作品時(shí)，需要連接網(wǎng)絡(luò)并將作品文件從服務(wù)端下載到本地再進(jìn)行播放，消耗的網(wǎng)絡(luò)流量較大。如果用戶沒有連接WiFi會(huì)增大開銷，影響用戶的聽歌體驗(yàn)。將網(wǎng)絡(luò)中的音樂類作品提前下載到本地文件中可以解決以上問題。

2） 下載模塊設(shè)計(jì)。下載音樂類作品時(shí)，需要音樂類作品的下載入口，將其添加到下載任務(wù)中進(jìn)行暫停或開始等操作，并對(duì)整個(gè)任務(wù)隊(duì)列中的下載策略和管理進(jìn)行定義。

2 ?音樂類作品推薦方法

計(jì)算機(jī)制作音樂類作品在線播放系統(tǒng)設(shè)計(jì)方法通過用戶作品矩陣構(gòu)建用戶?音樂類作品的關(guān)聯(lián)表，計(jì)算目標(biāo)用戶與其他用戶之間的相似度并進(jìn)行排列。根據(jù)排列結(jié)果得到相似度最高的最近鄰居集合。通過UserCF算法計(jì)算用戶對(duì)音樂類作品的感興趣程度，得到音樂類作品的推薦列表。

對(duì)用戶的行為數(shù)據(jù)進(jìn)行分析，結(jié)合用戶對(duì)音樂類作品的正反饋行為構(gòu)建[m×n]的用戶音樂類作品矩陣[A（m，n）]。正反饋和負(fù)反饋分別代表的是用戶行為傾向于喜歡或不喜歡某類物品。[m]代表的是用戶的總數(shù);[n]代表的是音樂類作品的總數(shù);設(shè)[aij]代表的是用戶[i]對(duì)音樂類作品[j]的行為數(shù)。當(dāng)[aij]的值為0時(shí)，代表用戶對(duì)音樂類作品無效;當(dāng)[aij]的值為1時(shí)，代表用戶對(duì)音樂類作品有效。用戶音樂類作品矩陣[A（m，n）]的表達(dá)式為：[A（m，n）=a11a12…a1na21a22…a2n????am1am2…amn] （1）

通過用戶音樂類作品矩陣構(gòu)建用戶?音樂類作品關(guān)聯(lián)表，對(duì)目標(biāo)用戶和計(jì)算機(jī)制作音樂類作品在線播放系統(tǒng)的其他用戶之間存在的相似度進(jìn)行計(jì)算。根據(jù)計(jì)算結(jié)果進(jìn)行排列，得到與目標(biāo)用戶之間相似度最高的最近鄰居集合。計(jì)算機(jī)制作音樂類作品在線播放系統(tǒng)用戶之間的相似度[wuv]計(jì)算公式為：

[wuv=N（u）?N（v）N（u）?N（v）] ? （2）

式中：[u]，[v]代表的是計(jì)算機(jī)制作音樂類作品在線播放系統(tǒng)的用戶;[N（u）]代表的是系統(tǒng)用戶[u]以前存在過的正反饋物品的集合;[N（v）]代表的是系統(tǒng)用戶[v]以前存在過的正反饋物品的集合。

余弦相似度和皮爾遜系數(shù)相似度的計(jì)算公式為：

[wuv=i∈I（rui-ru）（rvi-rv）i∈I（rui-ru）2i∈I（rvi-rv）] ? （3）

式中：[I]代表的是音樂類作品的集合;[rui]代表的是用戶[u]對(duì)音樂類作品[i]的評(píng)分;[rvi]代表的是用戶[v]對(duì)音樂類作品[i]的評(píng)分;[ru]，[rv]代表的是系統(tǒng)用戶[u]，[v]對(duì)音樂類作品打分的平均分。

通過UserCF算法計(jì)算用戶[u]對(duì)物品[i]的感興趣程度[p（u，i）]，生成音樂類作品的推薦列表。

[p（u，i）=v∈S（u，K）?N（i）wuvrvi] ? （4）

式中：[p（u，i）]代表的是系統(tǒng)用戶對(duì)關(guān)注作品的感興趣程度;[N（i）]代表的是物品[i]存在行為用戶的集合;[S（u，K）]代表的是與用戶[u]的偏好相似的[K]個(gè)用戶;[wuv]代表的是系統(tǒng)用戶[u]，[v]興趣的相似度;[rvi]代表的是系統(tǒng)用戶[v]對(duì)音樂類作品[i]的興趣。

3 ?實(shí)驗(yàn)的結(jié)果與分析

為了驗(yàn)證計(jì)算機(jī)制作音樂類作品在線播放系統(tǒng)設(shè)計(jì)方法的整體有效性，需要對(duì)計(jì)算機(jī)制作音樂類作品在線播放系統(tǒng)設(shè)計(jì)方法進(jìn)行測(cè)試。本次測(cè)試的實(shí)驗(yàn)平臺(tái)為Simulink。分別采用計(jì)算機(jī)制作音樂類作品在線播放系統(tǒng)設(shè)計(jì)方法、嵌入式智能音樂播放系統(tǒng)設(shè)計(jì)方法、基于白光LED可見光通信的播放系統(tǒng)設(shè)計(jì)方法進(jìn)行測(cè)試。測(cè)試三種不同方法搜索指定音樂類作品所用的時(shí)間，對(duì)比三種不同方法的搜索效率，測(cè)試結(jié)果見圖2。

分析圖2可知，采用計(jì)算機(jī)制作音樂類作品在線播放系統(tǒng)設(shè)計(jì)方法、嵌入式智能音樂播放系統(tǒng)設(shè)計(jì)方法、基于白光LED可見光通信的播放系統(tǒng)設(shè)計(jì)方法搜索音樂類作品時(shí)，計(jì)算機(jī)制作音樂類作品在線播放系統(tǒng)設(shè)計(jì)方法搜索不同數(shù)目音樂類作品所用的時(shí)間均少于以上兩種方法所用的時(shí)間。因?yàn)橛?jì)算機(jī)制作音樂類作品在線播放系統(tǒng)設(shè)計(jì)方法采用近線存儲(chǔ)和在線存儲(chǔ)的分級(jí)存儲(chǔ)結(jié)構(gòu)，通過存儲(chǔ)管理系統(tǒng)對(duì)以上兩個(gè)存儲(chǔ)區(qū)統(tǒng)一進(jìn)行調(diào)度，可在較短的時(shí)間內(nèi)搜索到指定的音樂類作品，搜索效率高。

分別采用計(jì)算機(jī)制作音樂類作品在線播放系統(tǒng)設(shè)計(jì)方法（方法1）、嵌入式智能音樂播放系統(tǒng)設(shè)計(jì)方法（方法2）、基于白光LED可見光通信的播放系統(tǒng)設(shè)計(jì)方法（方法3）計(jì)算用戶對(duì)音樂類作品的感興趣程度，并將計(jì)算結(jié)果與實(shí)際結(jié)果進(jìn)行對(duì)比，測(cè)試結(jié)果如表1所示。

分析表1可知，采用計(jì)算機(jī)制作音樂類作品在線播放系統(tǒng)設(shè)計(jì)方法計(jì)算用戶對(duì)5個(gè)音樂類作品的感興趣程度時(shí)，得到的結(jié)果與實(shí)際結(jié)果一致，準(zhǔn)確率為100%。采用嵌入式智能音樂播放系統(tǒng)設(shè)計(jì)方法計(jì)算用戶對(duì)5個(gè)音樂類作品的感興趣程度時(shí)，得到的結(jié)果中只有一個(gè)與實(shí)際結(jié)果一致，準(zhǔn)確率為20%。采用基于白光LED可見光通信的播放系統(tǒng)設(shè)計(jì)方法計(jì)算用戶對(duì)5個(gè)音樂類作品的感興趣程度時(shí)，得到的結(jié)果中有2個(gè)與實(shí)際結(jié)果一致，準(zhǔn)確率為40%。對(duì)比三種方法的結(jié)果可知，采用計(jì)算機(jī)制作音樂類作品在線播放系統(tǒng)設(shè)計(jì)方法可準(zhǔn)確地計(jì)算出用戶對(duì)作品的感興趣程度，生成推薦列表。

4 ?結(jié) ?語(yǔ)

在線播放系統(tǒng)可以滿足用戶的聽歌需求，但當(dāng)前音樂類作品在線播放系統(tǒng)設(shè)計(jì)方法搜索作品的效率低、感興趣程度的計(jì)算結(jié)果與實(shí)際不符。為此本文提出一種計(jì)算機(jī)制作音樂類作品在線播放系統(tǒng)設(shè)計(jì)方法。此方法可在較短的時(shí)間內(nèi)搜索到指定的音樂類作品，計(jì)算得到的用戶對(duì)作品的感興趣程度與實(shí)際結(jié)果一致，為音樂類作品在線播放系統(tǒng)的發(fā)展奠定了基礎(chǔ)。

參考文獻(xiàn)

[1] 張秀再，杜蒙，陳彭鑫，等.基于無線控制的音樂播放器設(shè)計(jì)[J].現(xiàn)代電子技術(shù)，2016，39（8）：111?114.

ZHANG Xiuzai， DU Meng， CHEN Pengxin， et al. Design of music player based on wireless control [J]. Modern electronics technique， 2016， 39（8）： 111?114.

[2] 繆竟鴻，王薇，武志剛，等.基于STM32F103的無主機(jī)通信系統(tǒng)的設(shè)計(jì)[J].科學(xué)技術(shù)與工程，2017，17（4）：223?229.

MIAO Jinghong， WANG Wei， WU Zhigang， et al. Design of non?central?switch calling system based on STM32F103 [J]. Science technology and engineering， 2017， 17（4）： 223?229.

[3] 苗靜，楊帆，潘國(guó)峰.嵌入式智能音樂播放系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].聲學(xué)技術(shù)，2017，36（4）：357?362.

MIAO Jing， YANG Fan， PAN Guofeng. Design and implementation of embedded intelligent music player system [J]. Technical acoustics， 2017， 36（4）： 357?362.

[4] 李志全，謝銳杰，王聰，等.基于白光LED可見光通信的音頻傳輸系統(tǒng)[J].發(fā)光學(xué)報(bào)，2016，37（7）：852?858.

LI Zhiquan， XIE Ruijie， WANG Cong， et al. An audio transmission system based on the white LED visible light communication [J]. Chinese journal of luminescence， 2016， 37（7）： 852?858.

[5] 陳晨，殷海兵.基于嵌入式流媒體服務(wù)器的視頻點(diǎn)播系統(tǒng)[J].電視技術(shù)，2016，40（9）：41?45.

CHEN Chen， YIN Haibing. VOD system based on embedded streaming media server [J]. Video engineering， 2016， 40（9）： 41?45.

[6] 王程，周婉，何軍.面向自動(dòng)音樂生成的深度遞歸神經(jīng)網(wǎng)絡(luò)方法[J].小型微型計(jì)算機(jī)系統(tǒng)，2017，38（10）：2412?2416.

WANG Cheng， ZHOU Wan， HE Jun. Recurrent neural network method for automatic generation of music [J]. Journal of Chinese computer systems， 2017， 38（10）： 2412?2416.

[7] 薛董敏，趙志華.融合Fisher判別分析與波動(dòng)序列的音樂推薦方法[J].計(jì)算機(jī)科學(xué)與探索，2017，11（8）：1314?1323.

XUE Dongmin， ZHAO Zhihua. Music preference elicit method based on fisher linear discriminant analysis and volatility sequence [J]. Journal of frontiers of computer science & technology， 2017， 11（8）： 1314?1323.

[8] 許明杰，蔚承建，沈航. Spark并行化基于物品協(xié)同過濾算法[J].計(jì)算機(jī)工程與設(shè)計(jì)，2017，38（7）：1817?1822.

XU Mingjie， WEI Chengjian， SHEN Hang. Item?based collaborative filtering algorithm on Spark parallelization [J]. Computer engineering and design， 2017， 38（7）： 1817?1822.

[9] 李博，陳志剛，黃瑞，等.基于LDA模型的音樂推薦算法[J].計(jì)算機(jī)工程，2016，42（6）：175?179.

LI Bo， CHEN Zhigang， HUANG Rui， et al. Music recommendation algorithm based on LDA model [J]. Computer engineering， 2016， 42（6）： 175?179.

[10] 邵曦，姚磊.基于SVM主動(dòng)學(xué)習(xí)的音樂分類[J].計(jì)算機(jī)工程與應(yīng)用，2016，52（6）：127?133.

SHAO Xi， YAO Lei. Music classification based on SVM active learning [J]. Computer engineering and applications， 2016， 52（6）： 127?133.