41、基于脑电情绪识别的音乐推荐系统

基于脑电情绪识别的音乐推荐系统

1. 现有系统

情绪在人们的日常生活中扮演着重要角色，其应用场景广泛，包括计算机辅助教学、人机交互、情感感知游戏等。以往，情绪识别主要依赖语音分析和面部表情。然而，当人们试图掩饰自己的情绪时，仅依靠言语或面部表情来准确判断情绪可能并不足够。相比可见的表情，生理反应是追踪和检测人们情绪及内在思维能力的更有效方式。

为了在效价 - 唤醒平面中识别不同的情绪状态，人们获取了多种生理数据，如肌电图（EMG）、心电图（ECG）、皮肤电反应（GSR）和呼吸变化等，并提取了不同的时域和频域特征，通过分类准确率来验证其有效性。利用包括 GSR 和光电容积脉搏波描记法（PPG）在内的生理参数分析创建的音乐推荐系统，在唤醒预测和效价预测方面的准确率分别达到了 70.93% 和 70.76%。本文的目标是利用脑电图（EEG）来预测情绪，并提高推荐系统中情绪识别的准确性。

2. 提出的系统

所提出的架构包括使用 EEG 电极通过智能可穿戴设备读取用户的脑电波，然后使用 K 近邻（KNN）分类器，通过监测这些信号中用户的本能反应来提高推荐的准确性。由于同一音乐曲目对不同用户的情感影响可能不同，系统会将过去推荐的情感影响存储在数据库中，并用于未来的推荐。

2.1 提出系统的算法

1. 从 EEG 电极获取信号数据。
2. 对数据进行采样和特征提取。
3. 使用唤醒和效价水平预测目标情绪标签。
4. 将用户资料和情绪标签相结合，并将预测的情绪标签输入到推荐系统中。
5. 获取推荐并发送给用户。

3