本文針對音樂推薦技術從申請量趨勢，申請地域，主要申請人等方面進行統計和分析，同時對技術分支以及技術發展路線進行了梳理，有助于在音樂推薦專利技術領域準確評價創新水平，并且有助于企業在該領域提出技術革新以及進行專利布局。

　　隨著互聯網的蓬勃發展，數字音樂的數量也呈指數型增長，并且音樂庫的日益龐大，使得人們在尋找感興趣的音樂時，需要耗費大量的時間與精力，而如何從海量的音樂中選擇用戶感興趣或者符合他們興趣的音樂便成了目前音樂產品所需要解決的問題。研究內容本文利用國家知識產權局現有的中文專利庫以及英文專利庫，對國內外關于音樂推薦技術的專利申請進行了統計分析，并針對音樂推薦技術的專利的國內外申請情況，技術分支，以及技術發展路線等方面進行詳細介紹，為相關行業的發展提供參考。

　　專利技術論文范例：基于生物特征識別的家居安防專利技術綜述

　　申請量趨勢近20年來的音樂推薦算法在全球以及國內的專利申請趨勢圖，可以看出，音樂推薦技術全球申請量在2010之前處于緩慢的增長階段，國內起步時間較晚，在2006年才開始有與音樂推薦技術相關的專利出現。而在2011年之后，由于智能手機的普及，音樂推薦技術也不局限在便捷式音樂播放器，音樂電臺以及K歌場所使用，可以在智能手機上安裝各種音樂應用程序，這一因素極大的促進了音樂推薦技術的發展，因而，全球以及國內專利申請量均呈井噴式增長。

　　申請量地域分布是對全球音樂推薦技術專利申請人主要所在地區的專利申請數量進行統計，中國是音樂推薦技術專利申請量最多的國家，據有關媒體報道，中國音樂客戶端的用戶規模將在2020年達到6.2億人，用戶日益增長的音樂需求以及多元化的音樂品味催生對更好的音樂推薦技術的研發，與之而來的專利布局也越發激烈，韓國和美國的申請數量也緊隨其后，韓國音樂產業發達，以韓國流行音樂為代表的韓流文化走出亞洲，在國際化進程中表現出強勢勁頭，與之相關的音樂推薦技術也在穩步發展，而美國同樣擁有完善的音樂消費市場，聽眾們愿意花錢購買自己喜歡的音樂，因此，為了讓聽眾們購買到心儀的音樂的，諸多美國公司也果斷加入研發合適的音樂推薦技術隊伍中。

　　最后，日本和歐洲專利局申請量排名第四和第五，也均體現了音樂推薦技術在相應市場中商業化規模。主要申請人排名全球音樂推薦技術專利主要申請人分布情況，不 難得出的是，以音樂為核心業務的數字娛樂服務公司以及涉足音樂產品的互聯網公司或者電子產品公司對應的申請數量排在前10位。其中排名第一的日本索尼公司本身就是世界視聽領域的先導者，也是第一臺隨身聽的制造商，旗下索尼音樂娛樂公司是全球知名的音樂發行公司，

　　此外，第三的日本DAIICHIKOSHO是全球卡拉OK設備的主要生產商，并且開創了在卡拉OK設備中引入音樂推薦技術的先河。緊隨其后的是中國的百度，騰訊以及酷狗，他們旗下經營著如千千音樂，QQ音樂以及酷狗音樂等熱門的音樂應用軟件，歐珀和維沃也是國內知名的音樂手機廠商，因此，他們在音樂推薦領域做了充分的布局。

　　此外，美國的互聯網巨頭微軟和谷歌，以及韓國的三星電子在音樂推薦技術上具有一定的優勢地位。技術分解針對音樂推薦的專利文獻展開搜集，標引以及整理，按照不一樣的推薦策略，大致上將該領域劃分為六個分支：歷史行為偏好(根據用戶播放記錄，歌唱履歷，操作行為，搜索記錄為用戶推薦音樂)，情景感知(根據用戶所處的環境，所在的地理位置，此刻的天氣狀況以及用戶的心情，用戶狀態為其推薦音樂)，用戶基本信息(根據用戶的年齡、性別或地域，以及用戶的聲樂能力、聲音特性為用戶推薦音樂)，社交關系(根據社交網絡或者共同偏好為共享社交好友或者鄰居用戶的音樂)，音樂數據特征(根據音樂本身的音頻、音量特征為用戶推薦音樂)以及其他(根據視頻內容進，用戶評價和評論進行音樂推薦等)。

　　基于歷史行為偏好以及基于情境感知的專利申請數最多，其次基于用戶基本信息的專利申請，基于音樂數據特征以及基于社交關系的專利申請數量不相上下，而其他分支的專利申請量最少。技術發展路線通過對專利文獻進行整理，按照專利申請量數量將該領域申請大致分了三個階段：

　　第一階段(2000~2009年)：起步階段該階段屬于音樂推薦技術的起步階段，整個音樂推薦技術集中應用在網頁版音樂播放器或者便攜式音樂播放器(如MP3，MP4等)以及卡拉OK，專利US20030089218A1根據用戶收聽音樂電臺的收聽率來預測用戶偏好進而向用戶推薦音樂，而微軟公司專利US20090217804A1涉及一種具有自動檢測音樂屬性的音樂控制方法，其能夠基于歌曲與用戶提供的一組屬性的相似性，例如對應于情緒或使用模式，來建立播放列表。且在2009年之前，中國涉及所有技術分支的專利申請量與國外的申請量相比，相差甚遠，這一方面由于早期國外的互聯網普及程度高，音樂電臺網站擁有大量的音樂用戶，另一方面國外的音樂電子產品產業鏈也比較成熟。

　　第二階段(2010~2015年)：發展期在這個階段，音樂推薦技術在中國開始火速發展，國內一些旗下涉足音樂產品的互聯網公司如騰訊，百度，以及本身以數字音樂作為主導產業的酷狗公司以及國內眾多大專院校都紛紛提出了音樂推薦方法，他們對用戶歷史行為數據進行深入挖掘，利用獲取的數據構造相應的用戶偏好模型，以更好地進行音樂推薦，多米音樂所屬公司專利CN102654850A根據操作時間標簽，操作次數，歌曲標簽等歷史行為數據建立對應的用戶口味模型，從而推薦合適的音樂給用戶。此外，百度公司專利CN201110442611就是針對用戶當前收聽音樂的聲學特征向量，從而確定用戶當前收聽音樂所屬的音樂風格，向用戶推薦屬于確定的音樂風格的其他音樂。此外，可以接收用戶的腦電波數據，更客觀地分析用戶的心情來進行音樂推薦。隨著社交網絡的發展，用戶逐漸開始尋找與自己志趣相同的相鄰用戶，采用建立好友圈進行音樂的推薦分享。

　　第三階段(2016年至今)：持續發展期該階段，國內外申請仍然處于穩步發展，伴隨著深度學習技術的蓬勃發展，將深度學習與音樂推薦技術相結合，通過深度學習技術從大量的音樂數據或者用戶數據中提取有效特征，對音樂相似度進行計算，然后根據計算結果進行音樂推薦，一方面能夠解決音樂推薦冷啟動問題(如推薦新歌和非流行歌曲)，另一方面，能夠提高推薦性能。除此之外，人臉識別，語音識別等其他技術也被應用在音樂推薦中，比如通過人臉識別或者語音識別解析用戶的心情，再推薦與心情匹配的音樂，抑或是通過頭像照片識別確定用戶的年齡和性別，以符合用戶的性別年齡信息的音樂。并且，為了提高音樂推薦的精確度，大量的技術之間產生交集，人們開始結合多種方法進行推薦，從而完善推薦結果，實現更具個性化推薦，其中包括利用腦電波變化對大腦放松程度的客觀反映和用戶主觀評價相結合的方式進行音樂推薦的方法。

　　總結本文通過對音樂推薦專利進行梳理，對該專利的全球申請量趨勢，申請量地域分布，主要申請人排名和技術分支，技術發展路線的研究等方面進行了詳盡的分析，有助于審查員在音樂推薦領域開展審查工作，并為相關技術領域的研究開展提供方向。

　　作者：汪婷靜，王綺宇