link
汪婷静 王绮宇（等同第一作者）
国家知识产权局专利局专利审查协作四川中心
汪婷静，女，硕士研究生，从事发明专利实质审查工作；王绮宇，女，硕士，
2009年流行歌曲硕士研究生，从事发明专利实质审查工作。
本文针对音乐推荐技术从申请量趋势，申请地域，主要申请人等方面进行统计和分析，同时对技术分支以及
技术发展路线进行了梳理，有助于在音乐推荐专利技术领域准确评价创新水平，并且有助于企业在该领域提出技
图2 申请人主要所在地区的专利申请数量分布
中国科技信息2021年第3、4期合刊·CHINA SCIENCE AND TECHNOLOGY INFORMATION    Feb.2021◎专利分析
难得出的是，以音乐为核心业务的数字娱乐服务公司以及涉足音乐产品的互联网公司或者电子产品公司对应的申请数量排在前10位。其中排名第一的日本索尼公司本身就是世界视听领域的先导者，也是第一台随身听的制造商，旗下索尼音乐娱乐公司是全球知名的音乐发行公司，此外，第三的日本DAIICHIKOSHO是全球卡拉OK设备的主要生产商，并且开创了在卡拉OK设备中引入音乐推荐技术的先河。紧随其后的是中国的百度，腾讯以及酷狗，他们旗下经营着如千千音乐，QQ音乐以及酷狗音乐等热门的音乐应用软件，欧珀和维沃也是国内知名的音乐手机厂商，因此，他们在音乐推荐领域做了充分的布局。此外，美国的互联网巨头微软和谷歌，以及韩国的三星电子在音乐推荐技术上具有一定的优势地位。
技术分解
针对音乐推荐的专利文献展开搜集，标引以及整理，按照不一样的推荐策略，大致上将该领域划分为六个分支：历史行为偏好（根据用户播放记录，歌唱履历，操作行为，搜索记录为用户推荐音乐），情景感知（根据用户所处的环境，所在的地理位置，此刻的天气状况以及用户的心情，用户状态为其推荐音乐），用户基本信息（根据用户的年龄、性别或地域，以及用户的声乐能力、声音特性为用户推荐音乐），社交关系（根据社交网络或者共同偏好为共享社交好友或者邻居用户的音乐），音乐数据特征（根据音乐本身的音频、音量特征为用户推荐音乐）以及其他（根据视频内容进，用户评价和评论进行音乐推荐等）。
图4是音乐推荐技术六个分支的申请量占比图，可以从图中看出，基于历史行为偏好以及基于情境感知的专利申请数最多，其次基于用户基本信息的专利申请，基于音乐数据特征以及基于社交关系的专利申请数量不相上下，而其他分支的专利申请量最少。
技术发展路线
通过对专利文献进行整理，按照专利申请量数量将该领域申请大致分了三个阶段：
第一阶段（2000~2009年）：起步阶段
该阶段属于音乐推荐技术的起步阶段，整个音乐推荐技术集中应用在网页版音乐播放器或者便携式音乐播放器（如MP3，MP4等）以及卡拉OK，专利US20030089218A1根据用户收听音乐电台的收听率来预测用户偏好进而向用户推荐音乐，而微软公司专利US20090217804A1涉及一种具有自动检测音乐属性的音乐控制方法，其能够基于歌曲与用户提供的一组属性的相似性，例如对应于情绪或使用模式，来建立播放列表。且在2009年之前，中国涉及所有技术分支的专利申请量与国外的申请量相比，相差甚远，这一方面由于早期国外的互联网普及程度高，音乐电台网站拥有大量的音乐用户，另一方面国外的音乐电子产品产业链也比较成熟。
第二阶段（2010~2015年）：发展期
在这个阶段，音乐推荐技术在中国开始火速发展，国内一些旗下涉足音乐产品的互联网公司如腾讯，百度，以及本身以数字音乐作为主导产业的酷狗公司以及国内众多大专院校都纷纷提出了音乐推荐方法，他们对用户历史行为数据进行深入挖掘，利用获取的数据构造相应的用户偏好模型，以更好地进行音乐推荐，多米音乐所属公司专利CN102654850A根据操作时间标签，操作次数，歌曲标签等历史行为数据建立对应的用户口味模型，从而推荐合适的音乐给用户。此外，百度公司专利CN201110442611就是针对用户当前收听音乐的声学特征向量，从而确定用户当前收听音乐所属的音乐风格，向用户推荐属于确定的音乐风格的其他音乐。此外，可以接收用户的脑电波数据，更客观地分析用户的心情来进行音乐推荐。随着社交网络的发展，用户逐渐开始寻与自己志趣相同的相邻用户，采用建立好友圈进行音乐的推荐分享。
第三阶段（2016年至今）：持续发展期
该阶段，国内外申请仍然处于稳步发展，伴随着深度学习技术的蓬勃发展，将深度学习与音乐推荐技术相结合，通过深度学习技术从大量的音乐数据或者用户数据中提取有效特征，对音乐相似度进行计算，然后根据计算结果进行音乐推荐，一方面能够解决音乐推荐冷启动问题（ 如推荐新歌和非流行歌曲），另一方面，能够提高推荐性能。除此之外，人脸识别，语音识别等其他技术也被应用在音乐推荐中，比如通过人脸识别或者语音识别解析用户的心情，再推荐与心情匹配的音乐，抑或是通过头像照片识别确定用户的年龄和性别，以符合用户的性别年龄信息的音乐。并且，为了提高音乐推荐的精
确度，大量的技术之间产生交集，人们开始结合多种方法进行推荐，从而完善推荐结果，实现更具个性化推荐，其中包括利用脑电波变化对大脑放松程度的客观反映和用户主观评价相结合的方式进行音乐推荐的方法。
总结
本文通过对音乐推荐专利进行梳理，对该专利的全球申请量趋势，申请量地域分布，主要申请人排名和技术分支，技术发展路线的研究等方面进行了详尽的分析，有助于审查员在音乐推荐领域开展审查工作，并为相关技术领域的研究开展提供方向。
图3 音乐推荐技术主要申请人分布图4 各技术分支在申请量占比图