郭峰+張珣

摘 要：隨著人民生活水平的提高、智能化的快速發(fā)展以及消費觀念的改變，人們對家居生活的舒適性和文化氛圍的需求越來越高。作為智能家居的成員——家庭背景音樂系統(tǒng)，不僅要擁有簡單易操作的人性化控制方式，更要能夠滿足不同年齡階段的家庭成員對音樂的需求。文中結(jié)合大數(shù)據(jù)分析理論，通過對用戶行為進行挖掘算法分析并建立用戶推薦模型，從而快速給用戶提供滿足其個性化需求的音樂。同時，也結(jié)合終端設(shè)備，給出了具體的實例設(shè)計。

關(guān)鍵詞：家庭背景音樂；數(shù)據(jù)挖掘；用戶分析；偏好模型

中圖分類號：G258.6 文獻標識碼：A 文章編號：2095-1302（2015）07-00-04

0 引 言

家庭背景音樂（Whole Home Audio）是結(jié)合家庭生活的特點在公共背景音樂的基礎(chǔ)上發(fā)展而來的新型背景音樂系統(tǒng)。所謂家庭背景音樂，就是在住宅的任何一個房間里，例如臥室（包括兒童房和老人房）、客廳、書房、廚房及衛(wèi)生間，均裝上背景音樂專用音箱，通過手機客戶端軟件的控制，以隨心所欲地讓每個房間播放不同的音樂[1]。目前，國內(nèi)市場上的相關(guān)產(chǎn)品大多采用播控主機為核心音源，不能對安裝在家庭各個房間的喇叭和控制面板進行控制，從而提供給用戶更方便的體驗；少數(shù)國外的公司雖然提供有高體驗、人性化的產(chǎn)品，但價格昂貴，無法滿足用戶需求。因此，國內(nèi)背景音樂市場急需一種以手機終端為主控制器，以云端音樂為音源提供海量音樂的控制系統(tǒng)，并根據(jù)用戶喜好快速建立推薦模型，主動向用戶推薦符合用戶需求的音樂。

云音樂數(shù)據(jù)庫存儲有海量音樂數(shù)據(jù)，其處理、分析和挖掘能力是實現(xiàn)云音樂智能化的關(guān)鍵。采用數(shù)據(jù)挖掘技術(shù)，通過對用戶行為的分析，從海量的音樂資源中快速挖掘出滿足用戶需求的資源，根據(jù)用戶的喜好主動向用戶推薦符合其個性化的音樂。同時，本文還結(jié)合終端設(shè)備，給出了具體的設(shè)計實例。因此，對基于移動終端設(shè)備的家庭背景音樂系統(tǒng)大數(shù)據(jù)分析的研究，具有很高的現(xiàn)實價值和實際意義。

1 系統(tǒng)體系結(jié)構(gòu)設(shè)計

1.1 系統(tǒng)總體架構(gòu)

本系統(tǒng)架構(gòu)是將C/S和B/S模式結(jié)合在一起使用。其中，C/S模式，即客戶端/服務(wù)器模式（Client/Server），系統(tǒng)客戶端裝有控制家庭背景音樂的系統(tǒng)軟件。B/S模式，即瀏覽器/服務(wù)器模式（Brower/Server），服務(wù)器裝有MySQL數(shù)據(jù)庫，通過用戶對軟件系統(tǒng)的操作行為可以實時反映用戶數(shù)據(jù)。

1.2 MVC框架

系統(tǒng)采用MVC（Model View Controller，模型-視圖-控制器）軟件開發(fā)模式，可實現(xiàn)界面顯示和業(yè)務(wù)邏輯的分離，因而提高了程序的可維護性、可移植性和可擴展性，降低了程序的開發(fā)難度[2]。MVC框架包含模型（Model）、視圖（View）、控制器（Controller）三個核心，其結(jié)構(gòu)如圖1所示。

圖1 MVC模式結(jié)構(gòu)

圖1中，模型（Model）是MVC應(yīng)用程序的關(guān)鍵部分，主要處理應(yīng)用程序的數(shù)據(jù)邏輯，可以為不同的視圖提供數(shù)據(jù)。視圖（View）是應(yīng)用程序中處理數(shù)據(jù)顯示的部分?？刂破鳎–ontroller）則定義了應(yīng)用程序中處理用戶交互的部分[3]。

1.3 音樂數(shù)據(jù)庫系統(tǒng)需求分析

音樂數(shù)據(jù)庫系統(tǒng)采用B/S（即Browser/Server，瀏覽器/服務(wù)器）結(jié)構(gòu)，通過對存儲有海量資源的音樂服務(wù)平臺進行數(shù)字化的處理和存儲，為用戶提供全方位檢索功能，使用戶可以快速檢索出理想的結(jié)果。

1.3.1 數(shù)據(jù)庫選取

基于B/S結(jié)構(gòu)的音樂數(shù)據(jù)庫系統(tǒng)必須選擇合適的數(shù)據(jù)庫來管理海量的音樂資源，目前主導(dǎo)的關(guān)系型數(shù)據(jù)庫主要有基于開源的數(shù)據(jù)庫管理系統(tǒng)MySQL[4]和處于領(lǐng)先地位的數(shù)據(jù)庫管理系統(tǒng)Oracle[5]，兩者對比如表1所列。

表1 兩種數(shù)據(jù)庫技術(shù)對比

Oracle數(shù)據(jù)庫 MySQL數(shù)據(jù)庫

數(shù)據(jù)庫規(guī)模 大型數(shù)據(jù)庫 中小型數(shù)據(jù)庫

對硬件要求 占用資源較多，對硬件要求高 占用資源較少，對硬件要求低

數(shù)據(jù)庫成本 成本較高 開源且成本較低

數(shù)據(jù)庫連接 速度較慢 速度較快

數(shù)據(jù)提交方式 不自動提交，需要用戶手動提交 默認系統(tǒng)自動提交

根據(jù)以上比較可知，MySQL數(shù)據(jù)庫在對硬件的要求及成本上占有明顯優(yōu)勢，且MySQL數(shù)據(jù)庫的連接速度與Oracle相比更快，結(jié)合本系統(tǒng)對數(shù)據(jù)庫的需求，決定采用MySQL作為系統(tǒng)數(shù)據(jù)庫。

1.3.2 功能模塊的劃分

通過對系統(tǒng)的需求分析，音樂數(shù)據(jù)庫系統(tǒng)的功能模塊框架如圖2所示。該系統(tǒng)可劃分為用戶子系統(tǒng)和后臺管理子系統(tǒng)兩部分。

圖2 系統(tǒng)功能框架圖

用戶子系統(tǒng)又可以概括為兩大部分：用戶信息部分和全方位檢索部分。其中用戶信息部分包含兩個子模塊：注冊、登陸模塊以及賬號管理模塊，是音樂數(shù)據(jù)庫系統(tǒng)與用戶交互的通道。全方位檢索部分也包含兩部分：資源全局檢索與詳細信息查詢，負責提供音樂資源的全方位檢索和音樂信息的詳細查看。

后臺管理子系統(tǒng)是幫助管理員對數(shù)據(jù)庫資源檢索進行管理以及日常維護工作的系統(tǒng)，包括對用戶信息的管理，音樂資源的分類管理，相似詞庫的管理以及日志信息的管理，為不同用戶的不同需求與偏好提供快捷的推薦服務(wù)。

2 音樂用戶行為的大數(shù)據(jù)分析

2.1 Hadoop技術(shù)

Hadoop分布式計算平臺是一個分布式處理大量數(shù)據(jù)的軟件平臺。Hadoop的框架最核心的設(shè)計是HDFS（即分布式文件處理）和MapReduce（分布式計算編程）[6]。Hadoop從架構(gòu)上看是典型的主從式結(jié)構(gòu)，底層的主從式文件系統(tǒng)HDFS支撐Map/Reduce的數(shù)據(jù)處理能力。主從式存儲和數(shù)據(jù)處理的Hadoop基本架構(gòu)模型如圖3所示。

2.2 海量數(shù)據(jù)的聚類算法分析

聚類是數(shù)據(jù)挖掘領(lǐng)域中常用的算法，是對給定的數(shù)據(jù)對象集合進行劃分。通過數(shù)據(jù)之間的相似性對數(shù)據(jù)進行分類，使得相同類別中的數(shù)據(jù)相似度盡可能大，而不同類別之間的數(shù)據(jù)盡可能使用不同聚類過程[7]。

圖3 Hadoop的基本架構(gòu)

K-means算法是最著名的劃分聚類算法，它把給定的數(shù)據(jù)劃分為K個聚類，每個聚類用聚類的中心來代替。聚類中心以及分配給它的數(shù)據(jù)點就代表一個新的聚類[8]。K-means算法是一種基于距離的聚類算法，采用距離作為相似性的評價指標，認為兩個對象的距離越近其相似度就越大。那么給定正整數(shù)K和N個對象，如何將這些距離點劃分為K個聚類？首先隨機選擇K個對象作為初始中心點；然后不斷迭代計算，直到滿足終止條件，即達到迭代次數(shù)上限或者數(shù)據(jù)點到中心點距離的平方和最小，此時質(zhì)心不再發(fā)生變化，計算平方誤差函數(shù)的公式（1）收斂。

（1）

計算結(jié)果E表示所有數(shù)據(jù)對象的平方差之和。K-means算法具有實現(xiàn)簡單、運算快速的特點，能夠高效地處理海量數(shù)據(jù)。K-means算法的工作流程如圖4所示。

圖4 K-means算法工作流程

在第一輪迭代中，Map（）函數(shù)計算每個對象到中心點的距離（均方差），選擇距離每個對象（object）最近的中心點（center_point），并輸出鍵值對；Reduce（）函數(shù)計算每個聚類中對象的距離平均，并將這K個平均值作為下一輪初始中心點。

2.3 音樂用戶行為分析模型的建立

用戶行為日志是指用戶的日常交互行為在服務(wù)器端產(chǎn)生的記錄，主要包括四種關(guān)鍵數(shù)據(jù)：頁面瀏覽流量、頁面停留時間、鼠標移動軌跡以及鏈接點擊分布。通過對用戶行為日志的預(yù)處理，將處理后的日志放在Hadoop集群上，經(jīng)過數(shù)據(jù)挖掘，分析出用戶的意圖和使用習慣等行為特征，將用戶的唯一標識ID作為key，行為特征作為value，組成對存儲[7]。系統(tǒng)的層次結(jié)構(gòu)可以分為五層：用戶海量日志形成層，用戶日志預(yù)處理層，數(shù)據(jù)存儲層，日志挖掘?qū)雍陀脩舴治鰧印＞唧w架構(gòu)如圖5所示。

圖5 日志挖掘系統(tǒng)架構(gòu)圖

（1）用戶海量日志層

考慮到不同年齡、不同時間階段對音樂類型、播放時長的不同，選取用戶的六個維度的信息進行分析，六個維度分別是：年齡、性別、點擊次數(shù)、操作頻率、播放時長和收聽時段。

（2）用戶日志預(yù)處理層

當用戶有瀏覽、搜索行為時，瀏覽器通過對用戶輸入信息的識別產(chǎn)生記錄日志。系統(tǒng)通過挖掘算法對產(chǎn)生的日志信息進行預(yù)處理。

（3）HDFS存儲層

Load模塊通過對來自各個外部數(shù)據(jù)源服務(wù)器上用戶行為日志進行獲取，經(jīng)過日志預(yù)處理層，將用戶行為日志根據(jù)類型和時間進行簡單的劃分并轉(zhuǎn)換成統(tǒng)一的存儲格式，保存在Hadoop集群中。

（4）用戶日志挖掘?qū)?/p>

挖掘?qū)永肏DFS存儲層存儲的格式化的用戶日志，分析用戶在不同維度上的行為特征。該層運用K-means挖掘算法，對用戶的日志進行分析。

（5）用戶分析層

通過Mine挖掘出來的結(jié)果，可以對用戶行為進行具體的分析，針對用戶的行為特征確定用戶所屬類別，構(gòu)造用戶的偏好模型。

2.4 用戶偏好模型的建立

通過對用戶行為模型的建立，可以分析出目標用戶的興趣偏好，建立用戶偏好模型，通過用戶偏好模型，推薦系統(tǒng)可以給用戶提供準確、高效和個性化的音樂推薦服務(wù)[9]。用戶偏好模型的建立如圖6所示。

3 系統(tǒng)基于Android終端的控制

3.1 系統(tǒng)的整體設(shè)計

系統(tǒng)使用安裝有ADT（Android Development Tools）插件的Eclipse作為開發(fā)環(huán)境。同時利用Android系統(tǒng)提供的各種內(nèi)部資源完成對安裝在各個房間的背景音樂進行控制，用戶通過手機App與系統(tǒng)進行交互。

圖6 用戶偏好模型的建立過程

3.2 客戶端實現(xiàn)

3.2.1 用戶控制

客戶端設(shè)計主要是用戶UI界面設(shè)計與使用。用戶UI界面使用XML布局文件和Java代碼混合控制的方式，XML頁面布局文件采用多種布局方式相結(jié)合的方式，包括LinearLayout，TableLayout，RelativeLayout以及GridLayout；Java代碼實現(xiàn)了Android四大組件的結(jié)合：Activity，Service，BroadcastReciver和ContentProvider，完成更多的功能。終端的控制系統(tǒng)布局結(jié)構(gòu)圖如圖7所示。

圖7 布局結(jié)構(gòu)圖

3.2.2 功能實現(xiàn)

在ActivityGroup中設(shè)計了4個子界面，分別為房間、情境、更多和設(shè)置。進入“房間”列表時，可以看到不同房間的分布，選擇一個房間，就可以對該房間的音樂播放進行控制；“情境”模塊主要包括所有房間音樂統(tǒng)一播放和暫停所有房間統(tǒng)一播放功能，用戶可以對經(jīng)常用到的設(shè)備狀態(tài)進行模式群組，根據(jù)具體需求新增或刪除情景模式，或者分享給其他用戶；“更多”界面主要包括兩個功能，場景定時和音量調(diào)節(jié)，設(shè)置之前首先要選擇需要控制的房間；“設(shè)置”界面主要包括當前登陸用戶的個人信息，用戶可以通過上傳照片修改界面背景和賬戶頭像；用戶賬號管理功能只有管理員擁有，系統(tǒng)管理人員能夠在服務(wù)端監(jiān)控所有使用該應(yīng)用程序軟件的用戶，并能夠設(shè)置和修改用戶的訪問權(quán)限?？蛻舳说卿浗缑婧筒僮鹘缑嫒鐖D8和圖9所示。

圖8 客戶端登錄界面 圖9 客戶端操作界面

4 結(jié) 語

本文介紹的家庭背景音樂系統(tǒng)，以手機終端代替家庭主控制器，控制各個房間播放不同的音樂；以存儲在云端數(shù)據(jù)庫中的音樂代替本地存儲，不僅擁有更廣闊的音源，更可以解決硬件設(shè)備內(nèi)存不足的困擾；通過數(shù)據(jù)挖掘技術(shù)，還對用戶的基本信息和行為進行分析，能夠從海量的音樂資源中快速挖掘出滿足用戶需求的音樂，并根據(jù)用戶的行為分析結(jié)果建立推薦模型，主動向用戶推薦符合其個性化特點的音樂；最后，在終端設(shè)備上進行了測試，不僅提供給用戶美觀性和交互性相結(jié)合的友好的控制界面，同時也實現(xiàn)了系統(tǒng)對用戶行為的實時監(jiān)控和分析，推薦結(jié)果符合用戶需求。因此，本文對家庭背景音樂系統(tǒng)大數(shù)據(jù)分析的研究，具有很高的現(xiàn)實價值和實際意義。

參考文獻

[1] 李媛.唱響智能_關(guān)注國內(nèi)背景音樂市場[J]. 數(shù)字社區(qū)&智能家居，2007（6）： 9-24.

[2] 張黎靜.音樂數(shù)據(jù)庫系統(tǒng)的設(shè)計與實現(xiàn)[D].武漢：華中科技大學，2013.

[3] Robles S， Fernández J L， Fortier A， et al. Improving the model view controller paradigm in the web.[J]. Int. J. Web Eng. Technol.， 2012.

[4] Anonymous. Kickfire； Kickfire and Leading Open Source Partners Team to Deliver End-to-End Business Intelligence Solutions on New MySQL Database Appliance[J]. Computers， Networks & Communications， 2008.

[5] Anonymous. Oracle； Oracle Database Vault Certified for the Oracle E-Business Suite[J]. Computer Technology Journal， 2008.

[6] 岳敬華.基于云服務(wù)的智能家居系統(tǒng)的研究與設(shè)計[D].杭州：杭州電子科技大學，2013.

[7] 周婷婷.基于海量查詢?nèi)罩镜臄?shù)據(jù)挖掘及用戶行為分析[D].北京：北京郵電大學，2013.

[8] 周麗娟，王慧，王文伯，等.面向海量數(shù)據(jù)的并行K-means算法[J]. 華中科技大學學報（自然科學版），2012（S1）：157-159.

[9] 冉琛雯， 張珣.智能家居系統(tǒng)界面定制技術(shù)的研究_ [J]. 物聯(lián)網(wǎng)技術(shù)，2014，4（10）： 77-79.