WO2023112081A1 - 学習装置、推薦装置、それらの方法、およびプログラム - Google Patents
学習装置、推薦装置、それらの方法、およびプログラム Download PDFInfo
- Publication number
- WO2023112081A1 WO2023112081A1 PCT/JP2021/045766 JP2021045766W WO2023112081A1 WO 2023112081 A1 WO2023112081 A1 WO 2023112081A1 JP 2021045766 W JP2021045766 W JP 2021045766W WO 2023112081 A1 WO2023112081 A1 WO 2023112081A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- information
- learning
- user
- music
- input
- Prior art date
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
- A61M21/02—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis for inducing sleep or relaxation, e.g. by direct nerve stimulation, hypnosis, analgesia
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10G—REPRESENTATION OF MUSIC; RECORDING MUSIC IN NOTATION FORM; ACCESSORIES FOR MUSIC OR MUSICAL INSTRUMENTS NOT OTHERWISE PROVIDED FOR, e.g. SUPPORTS
- G10G1/00—Means for the representation of music
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10K—SOUND-PRODUCING DEVICES; METHODS OR DEVICES FOR PROTECTING AGAINST, OR FOR DAMPING, NOISE OR OTHER ACOUSTIC WAVES IN GENERAL; ACOUSTICS NOT OTHERWISE PROVIDED FOR
- G10K15/00—Acoustics not otherwise provided for
- G10K15/04—Sound-producing devices
Definitions
- the present invention relates to a technology for obtaining recommendation information about music presented to temporarily improve the user's athletic ability.
- Non-Patent Document 1 describes that listening to music changes the heartbeat.
- Non-Patent Document 2 describes that listening to relaxing music or the like causes oxytocin to be secreted in the brain, thereby relaxing the person.
- An object of the present invention is to provide a technique for obtaining recommendation information about music presented to temporarily enhance a user's athletic ability, taking into account the effect of listening to music on athletic ability.
- the learning data consists of a learning information set for each of a plurality of songs
- the learning information set for each song includes Song information that is information for specifying a song, biometric information obtained before listening to the song for each of the learning target users who are learning target users, and the song for each learning target user and an index value related to the improvement of athletic ability by listening to the input learning data, and with biometric information as input, the improvement effect of the user's exercise ability in the state of the input biometric information is the highest.
- It includes a learning unit that learns an estimation model that obtains information about songs that are estimated to be large.
- a recommendation device receives biometric information as input and estimates that the improvement effect of the user's athletic ability is greatest in the state of the input biometric information.
- An estimation model for obtaining music information of a song to be played is stored in advance, and the estimation model is used to input the biometric information of a recommended user who is a user for whom music is to be recommended. It includes a music recommendation information generation unit that acquires information on music that is estimated to have the greatest improvement effect on the athletic ability of the user to be recommended.
- FIG. 1 is a block diagram showing an example of a recommendation system composed of a learning device and a recommendation device.
- FIG. 2 is a diagram illustrating an example of the flow of processing by the learning device.
- FIG. 3 is a diagram illustrating an example of the flow of processing of the recommendation device.
- FIG. 4 is a diagram showing a configuration example of a computer that functions as at least one of a learning device and a recommendation device.
- a recommendation system of the first embodiment obtains, as a recommendation result, information on music presented to temporarily enhance the user's athletic ability.
- a recommendation system 300 of the first embodiment includes a learning device 100 and a recommendation device 200, as illustrated in FIG.
- the learning device and recommendation device are configured by reading a special program into a publicly known or dedicated computer that has a central processing unit (CPU: Central Processing Unit), a main memory (RAM: Random Access Memory), etc. It is a special device.
- the learning device and the recommendation device execute each process under the control of, for example, a central processing unit.
- the data input to the learning device and the recommendation device and the data obtained in each process are stored in, for example, a main memory device, and the data stored in the main memory device are read out to the central processing unit as necessary. used for other processing.
- At least a part of each processing unit of the learning device and the recommendation device may be configured by hardware such as an integrated circuit.
- Each storage unit included in the learning device and the recommendation device can be composed of, for example, a main storage device such as RAM (Random Access Memory), or middleware such as a relational database or key-value store.
- a main storage device such as RAM (Random Access Memory), or middleware such as a relational database or key-value store.
- middleware such as a relational database or key-value store.
- each storage unit does not necessarily have to be provided inside the learning device and the recommendation device, and is composed of an auxiliary recording device composed of a non-temporary recording medium such as a hard disk or an optical disk, and the learning device and the recommendation device may be provided outside.
- the learning device 100 includes information for identifying a plurality of songs, biometric information of the user before listening to the songs, and information on improving the user's athletic ability by listening to the songs. Data is entered.
- the learning device 100 uses input learning data and biometric information as input, and obtains, as a recommendation result, information about a song that is estimated to have the greatest improvement effect on the athletic ability of the user in the state of the biometric information. Train a model and output a trained estimated model.
- the learning device 100 includes a learning data acquisition unit 110, a learning unit 120, and a model output unit 130, as illustrated in FIG.
- the learning device 100 performs the processes of steps S110, S120, and S130 illustrated in FIG.
- Learning data acquisition unit 110 functions at least as an interface for reading learning data acquired by a device different from learning device 100 and/or learning data stored in a device different from learning device 100 into learning device 100 .
- Learning data input to the learning device 100 is input to the learning data acquisition unit 110 .
- the learning data acquisition unit 110 outputs the input learning data to the learning unit 120 (step S110).
- the learning data consists of learning information sets for each of multiple songs.
- the learning information set for each song includes song information, biometric information for each user to be learned (hereinafter referred to as "learning target user") acquired before listening to the song, and learning target user's respective biometric information. and an index value related to the improvement of athletic ability by listening to music about.
- the music information A(j) is information for specifying one music M(j) out of a plurality of music M(1), ..., M(J), and is, for example, the title of the music.
- the biometric information B(j,k) is the biometric information of the user U(k) acquired before the user U(k) listens to the music M(j).
- Biological information such as an electrocardiogram, heart rate, respiration, mental perspiration, pupil diameter, etc. acquired by the sensor worn by the user U(k) a first predetermined time before the listening of (j) is started.
- the index value C(j,k) related to the improvement of athletic ability is the result of performing a predetermined exercise a second predetermined time before the user U(k) starts listening to the music M(j), and the user U(k ) is an index value related to the improvement of athletic ability by listening to music M(j), obtained from the result of performing the predetermined exercise a third predetermined time after finishing listening to music M(j). For example, This is a value that represents the amount and degree of improvement in athletic performance due to listening to music (j).
- the predetermined exercise is a vertical jump
- the height of the vertical jump performed a second predetermined time before the user U(k) starts listening to the music piece M(j) is H 1 (k)
- the user U(k) If the height of the vertical jump performed by U(k) after the third predetermined time after finishing listening to music M(j) is H 2 (k), for example, from H 2 (k) to H 1 (k) H 2 (k) - H 1 (k), or H 2 (k) divided by H 1 (k) H 2 (k)/H 1 (k), or H 2 ( k) minus H 1 (k) H 2 (k)-H 1 (k) divided by H 1 (k) (H 2 ( k)-H 1 (k))/H 1 ( k ) , or the value ( H2 ( k ) -H1 (k))/H 2 (k) may be used as the index value C(j,k) for improvement in athletic performance.
- the learning data acquisition unit 110 obtains another biometric information B′(j,k) from the input biometric information B(j,k), and replaces the biometric information B(j,k) with the biometric information B '(j,k) may be output.
- the learning data acquisition unit 110 obtains biometric information B′(j,k) representing the psychological state of the user U(k) from the biometric information B(j,k) acquired from the user U(k), Instead of the biometric information B(j,k) acquired from the user U(k), biometric information B'(j,k) representing the psychological state of the user U(k) may be output.
- the biological information B'(j,k) is, for example, an index value of the degree of tension.
- the learning data acquisition unit 110 calculates the degree of tension from the waveform of the electrocardiogram and the amount of perspiration of mental perspiration.
- An index value may be obtained and output as biometric information B'(j,k). That is, the learning data acquiring unit 110 may output to the learning unit 120 as learning data obtained by converting a part of the input learning data.
- the learning data output by the learning data acquisition unit 110 is input to the learning unit 120 .
- the learning unit 120 learns an estimation model that obtains information on a song that is estimated to have the greatest improvement effect on the athletic ability of the user in the state of the biometric information, using the input learning data and biometric information. (step S120), and outputs the learned estimation model to the model output unit 130.
- FIG. A well-known learning technique may be used for learning the estimation model, and the amount of learning data should be sufficient for learning the estimation model.
- the learning unit 120 may learn the estimation model using the biometric information of all the users at the time of learning and the index values related to the improvement of athletic ability, or may learn the biometrics of users who satisfy a predetermined condition among the users at the time of learning.
- An estimation model may be learned using information and index values relating to improvement in athletic ability, or an estimation model may be learned using biological information and an index value relating to improvement in athletic ability of a specific user among users at the time of learning. may be learned.
- the learning unit 120 learns using the biometric information of all users and the index values related to the improvement of athletic ability, it is possible to obtain an estimation model that is less dependent on the user.
- an estimation model highly dependent on the user who satisfies the condition can be obtained.
- an estimation model specialized for the user can be obtained.
- Model output unit 130 receives the trained estimation model output from the learning unit 120 .
- the model output unit 130 outputs the input trained estimation model to the recommendation device 200 as the output of the learning device 100 (step S130).
- the recommendation device 200 receives biometric information of a user whose music is to be recommended (hereinafter referred to as a “recommendation target user”).
- the recommendation device 200 uses a trained estimation model, inputs the biometric information of the recommended user, and selects a piece of music that is estimated to have the greatest improvement effect on athletic performance when the recommended user is in the state of the biometric information. is obtained as a recommendation result and output.
- the recommendation device 200 includes a biometric information acquisition unit 210, a music recommendation information generation unit 220, and a music recommendation information output unit 230, as illustrated in FIG.
- the recommendation device 200 performs the processes of steps S210, S220, and S230 illustrated in FIG.
- Biometric information acquisition unit 210 The biometric information of the recommended user input to the recommendation device 200 is input to the biometric information acquisition unit 210 .
- the biometric information acquisition unit 210 outputs the input biometric information to the music recommendation information generation unit 220 (step S210).
- the biometric information of the recommended user is, for example, an electrocardiogram, heart rate, respiration, mental perspiration, and pupil diameter acquired by a sensor attached to the recommended user.
- the biometric information acquisition unit 210 also receives the input Another biometric information is obtained from the received biometric information and output.
- Another example of biometric information is a tension index value.
- the biological information acquisition unit 210 when the learning data acquisition unit 110 of the corresponding learning device 100 acquires and outputs the index value of the degree of tension as biological information from the waveform of the electrocardiogram and the amount of perspiration of the mental perspiration input, the biological information acquisition unit 210 Also, an index value of the degree of tension is obtained as biological information from the waveform of the electrocardiogram and the amount of perspiration of the mental perspiration, and is output. That is, the biometric information acquiring section 210 may output biometric information obtained by converting the input biometric information to the music recommendation information generating section 220 .
- the music recommendation information generation unit 220 includes a model storage unit 225 as illustrated in FIG.
- the model storage unit 225 preliminarily stores the learned estimation model output by the corresponding learning device 100 .
- the pre-trained estimation model pre-stored in the model storage unit 225 receives biometric information as an input, and obtains song information of a song that is estimated to have the greatest improvement effect on the athletic ability of the user in the state of the biometric information. is a model.
- the biometric information output by the biometric information acquisition unit 210 is input to the music recommendation information generation unit 220 .
- the music recommendation information generation unit 220 uses a trained estimation model stored in advance in the model storage unit 225, receives the biometric information of the recommendation target user as input, and calculates the athletic ability of the recommendation target user in the state of the biometric information.
- the music information of the music estimated to have the greatest improvement effect is obtained as music recommendation information (step S220), and the obtained music recommendation information is output to the music recommendation information output unit 230.
- the learned estimation model pre-stored in the model storage unit 225 may be obtained by any learning performed by the learning unit 120 of the learning device 100 . That is, the pre-trained estimation model stored in the model storage unit 225 in advance may be an estimation model that has been learned using biometric information of all users at the time of learning and an index value related to the improvement of athletic ability. It may be an estimation model learned using the biological information of the users who satisfy a predetermined condition among the users at the time and the index value related to the improvement of the athletic ability, or the estimation model of a specific user among the users at the time of learning. It may be an estimation model that is learned using biometric information and an index value relating to improvement of athletic ability.
- the biometric information of users who satisfy the conditions of the recommended user is used. It is better to use an estimation model that has been trained using index values related to improvement in exercise performance and exercise performance.
- the biometric information of the recommended user and related to improvement of athletic ability It is preferable to use an estimation model trained using index values.
- the music recommendation information output by the music recommendation information generation unit 220 is input to the music recommendation information output unit 230 .
- the music recommendation information output unit 230 outputs the input music recommendation information as the output of the recommendation device 200 (step S230).
- the predetermined motion was vertical jump
- the predetermined motion is of course not limited to vertical jump, and may be any motion.
- the predetermined exercise is an instantaneous exercise such as ball throwing, throwing, short-distance running, and long jump.
- the recommendation system 300 of the first embodiment can be expected to be particularly effective in the case of instantaneous motion. That is, as an index value relating to improvement in athletic performance included in the learning information set handled by the learning device 100, an index value relating to the exercise result of the instantaneous exercise may be used.
- the exercise of the instantaneous exercise A value representing the amount or degree of improvement in results may be used.
- the learning device 100 can learn an estimation model that obtains information on a song that is estimated to have the greatest improvement effect on the user's instantaneous exercise result, and the recommendation device 200 can learn the estimation model. It is possible to obtain information on a song that is estimated to have the greatest effect of improving the exercise result of the user's instantaneous exercise.
- ⁇ Program and recording medium> The processing of each unit of the learning device and the recommendation device described above may be realized by a computer. In this case, the processing contents of the functions that each device should have are described by a program. By loading this program into the storage unit 1020 of the computer 1000 shown in FIG. Realized.
- a program that describes this process can be recorded on a computer-readable recording medium.
- a computer-readable recording medium is, for example, a non-temporary recording medium, specifically a magnetic recording device, an optical disc, or the like.
- this program will be carried out, for example, by selling, transferring, lending, etc. portable recording media such as DVDs and CD-ROMs on which the program is recorded.
- the program may be distributed by storing the program in the storage device of the server computer and transferring the program from the server computer to other computers via the network.
- a computer that executes such a program for example, first stores a program recorded on a portable recording medium or a program transferred from a server computer once in the auxiliary recording unit 1050, which is its own non-temporary storage device. Store. When executing the process, this computer reads the program stored in the auxiliary recording section 1050, which is its own non-temporary storage device, into the storage section 1020, and executes the process according to the read program. As another execution form of this program, the computer may read the program directly from the portable recording medium into the storage unit 1020 and execute processing according to the program. It is also possible to execute processing in accordance with the received program each time the is transferred.
- ASP Application Service Provider
- the above-mentioned processing is executed by a so-called ASP (Application Service Provider) type service, which does not transfer the program from the server computer to this computer, and realizes the processing function only by its execution instruction and result acquisition.
- ASP Application Service Provider
- the program in this embodiment includes information that is used for processing by a computer and that conforms to the program (data that is not a direct instruction to the computer but has the property of prescribing the processing of the computer, etc.).
- the device is configured by executing a predetermined program on a computer, but at least part of these processing contents may be implemented by hardware.
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Anesthesiology (AREA)
- Multimedia (AREA)
- Heart & Thoracic Surgery (AREA)
- Biomedical Technology (AREA)
- Psychology (AREA)
- Hematology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Pain & Pain Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
複数の楽曲についての、楽曲を特定するための情報と、楽曲を受聴する前のユーザの生体情報と、楽曲の受聴によるユーザの運動能力の改善に関する情報と、から、生体情報を入力として、入力された生体情報の状態にあるユーザの運動能力の改善効果が最も大きいと推定される楽曲の情報を得る推定モデルを学習し、学習により得た推定モデルを用いて、楽曲の推薦の対象とするユーザの生体情報に基づいて、当該ユーザが当該生体情報であるときに運動能力の改善効果が最も大きいと推定される楽曲の情報を推薦結果として得る。
Description
本発明は、ユーザの運動能力を一時的に高めるために提示する楽曲についての推薦情報を得る技術に関する。
音楽の受聴が自立神経や自立神経のうちの交感神経などの体の活動に与える影響に関する研究は、従来から行われている。例えば、非特許文献1には、音楽の受聴により心拍が変化することが記載されている。また例えば、非特許文献2には、ゆったりした音楽などを聴くと、脳内でオキシトシンが分泌されて、リラックスできることが記載されている。
Bernardi, L., Porta, C., & Sleight, P., "Cardiovascular, cerebrovascular, and respiratory changes induced by different types of music in musicians and non-musicians: The importance of silence", Heart, 2006, 92(4), 445-452.
Ooishi, Y., Mukai, H., Watanabe, K., Kawato, S., & Kashino, M., "Increase in salivary oxytocin and decrease in salivary cortisol after listening to relaxing slow-tempo and exciting fast-tempo music", PLoS ONE, 2017, 12(12), 1-16.
非特許文献1や非特許文献2などの従来の研究は、音楽の受聴が体内の器官や神経の活動に与える影響を検討したものであり、音楽の受聴が運動能力に与える影響についての検討結果は知られていない。本発明は、音楽の受聴が運動能力に与える影響を考慮して、ユーザの運動能力を一時的に高めるために提示する楽曲についての推薦情報を得る技術を提供することを目的とする。
上記の課題を解決するために、本発明の一態様によれば、学習装置は、学習データは、複数の楽曲それぞれについての学習用情報セットから成り、各楽曲についての学習用情報セットは、当該楽曲を特定するための情報である楽曲情報と、学習の対象とするユーザである学習対象ユーザのそれぞれについての当該楽曲を受聴する前に取得された生体情報と、学習対象ユーザそれぞれについての当該楽曲の受聴による運動能力の改善に関する指標値と、による組であり、入力された学習データを用いて、生体情報を入力として、入力された生体情報の状態にあるユーザの運動能力の改善効果が最も大きいと推定される楽曲の情報を得る推定モデルを学習する学習部を含む。
上記の課題を解決するために、本発明の他の態様によれば、推薦装置は、生体情報を入力として、入力された生体情報の状態にあるユーザの運動能力の改善効果が最も大きいと推定される楽曲の楽曲情報を得る推定モデルが予め記憶されており、推定モデルを用いて、楽曲の推薦の対象とするユーザである推薦対象ユーザの生体情報を入力として、当該生体情報の状態にある推薦対象ユーザの運動能力の改善効果が最も大きいと推定される楽曲の情報を得る楽曲推薦情報生成部を含む。
本発明によれば、ユーザの運動能力を一時的に高めるために提示する楽曲についての推薦情報を得ることが可能となる。
<発明の背景>
運動時には交感神経が高まることが知られており、音楽の受聴が交感神経に影響を与えるとの上述した先行研究の結果も考慮すると、音楽の受聴が運動能力を高めることに繋がる可能性があるとの仮説が成り立つ。そこで発明者は、音楽の受聴が運動能力に与える影響を調査した。具体的には、垂直飛びを運動の具体例として、複数の被験者を対象として、複数の楽曲それぞれについて、楽曲を受聴させる前に1回目の跳躍をさせて高さを測り、楽曲を受聴させてから2回目の跳躍をさせて高さを測り、跳躍の高さの改善の有無や度合いを確認する実験を行った。実験の結果、音楽の受聴によって跳躍の高さに改善がみられることが確認された。すなわち、被験者に音楽を受聴させることにより被験者の運動能力を一時的に高められることが確認された。ただし、跳躍の高さの改善は被験者や楽曲に依存することも確認された。
運動時には交感神経が高まることが知られており、音楽の受聴が交感神経に影響を与えるとの上述した先行研究の結果も考慮すると、音楽の受聴が運動能力を高めることに繋がる可能性があるとの仮説が成り立つ。そこで発明者は、音楽の受聴が運動能力に与える影響を調査した。具体的には、垂直飛びを運動の具体例として、複数の被験者を対象として、複数の楽曲それぞれについて、楽曲を受聴させる前に1回目の跳躍をさせて高さを測り、楽曲を受聴させてから2回目の跳躍をさせて高さを測り、跳躍の高さの改善の有無や度合いを確認する実験を行った。実験の結果、音楽の受聴によって跳躍の高さに改善がみられることが確認された。すなわち、被験者に音楽を受聴させることにより被験者の運動能力を一時的に高められることが確認された。ただし、跳躍の高さの改善は被験者や楽曲に依存することも確認された。
音楽の受聴から運動能力の向上までの科学的な仕組みは現時点では未解明ではあるものの、従来の研究と今回確認された実験結果からすれば、複数の楽曲についての、楽曲の情報と、当該楽曲を受聴する前のユーザの生体情報と、当該楽曲の受聴によるユーザの運動能力の改善に関する情報と、による組を事前に取得しておけば、この事前に取得した情報を利用することで、ユーザの運動能力を一時的に高めたいときにどのような楽曲を提示して受聴させればよいかをユーザの生体情報に基づいて推薦できるはずである。そこで、複数の楽曲について取得された、楽曲の情報と、当該楽曲を受聴する前のユーザの生体情報と、当該楽曲の受聴によるユーザの運動能力の改善に関する情報と、による組から楽曲を推薦するための推定モデルを学習し、学習により得た推定モデルを用いて、楽曲の推薦の対象とするユーザの生体情報に基づいて、楽曲の推薦の対象とするユーザの運動能力を一時的に高めることが期待される楽曲についての推薦情報を得るのが本発明である。
<第1実施形態>
第1実施形態の推薦システムは、ユーザの運動能力を一時的に高めるために提示する楽曲の情報を推薦結果として得るものである。第1実施形態の推薦システム300は、図1に例示する通り、学習装置100と推薦装置200を含む。
第1実施形態の推薦システムは、ユーザの運動能力を一時的に高めるために提示する楽曲の情報を推薦結果として得るものである。第1実施形態の推薦システム300は、図1に例示する通り、学習装置100と推薦装置200を含む。
学習装置および推薦装置は、例えば、中央演算処理装置(CPU: Central Processing Unit)、主記憶装置(RAM: Random Access Memory)などを有する公知又は専用のコンピュータに特別なプログラムが読み込まれて構成された特別な装置である。学習装置および推薦装置は、例えば、中央演算処理装置の制御のもとで各処理を実行する。学習装置および推薦装置に入力されたデータや各処理で得られたデータは、例えば、主記憶装置に格納され、主記憶装置に格納されたデータは必要に応じて中央演算処理装置へ読み出されて他の処理に利用される。学習装置および推薦装置の各処理部は、少なくとも一部が集積回路等のハードウェアによって構成されていてもよい。学習装置および推薦装置が備える各記憶部は、例えば、RAM(Random Access Memory)などの主記憶装置、またはリレーショナルデータベースやキーバリューストアなどのミドルウェアにより構成することができる。ただし、各記憶部は、必ずしも学習装置および推薦装置がその内部に備える必要はなく、ハードディスクや光ディスクのような非一時的な記録媒体により構成される補助記録装置により構成し、学習装置および推薦装置の外部に備える構成としてもよい。
まず、学習装置100について説明する。
[学習装置100]
学習装置100には、複数の楽曲についての、楽曲を特定するための情報と、楽曲を受聴する前のユーザの生体情報と、楽曲の受聴によるユーザの運動能力の改善に関する情報と、からなる学習データが入力される。学習装置100は、入力された学習データを用いて、生体情報を入力として、当該生体情報の状態にあるユーザの運動能力の改善効果が最も大きいと推定される楽曲の情報を推薦結果として得る推定モデルを学習して、学習済みの推定モデルを出力する。学習装置100は、図1に例示する通り、学習データ取得部110と学習部120とモデル出力部130を含む。学習装置100は、図2に例示するステップS110とステップS120とステップS130の処理を行う。
[学習装置100]
学習装置100には、複数の楽曲についての、楽曲を特定するための情報と、楽曲を受聴する前のユーザの生体情報と、楽曲の受聴によるユーザの運動能力の改善に関する情報と、からなる学習データが入力される。学習装置100は、入力された学習データを用いて、生体情報を入力として、当該生体情報の状態にあるユーザの運動能力の改善効果が最も大きいと推定される楽曲の情報を推薦結果として得る推定モデルを学習して、学習済みの推定モデルを出力する。学習装置100は、図1に例示する通り、学習データ取得部110と学習部120とモデル出力部130を含む。学習装置100は、図2に例示するステップS110とステップS120とステップS130の処理を行う。
[学習データ取得部110]
学習データ取得部110は、学習装置100とは異なる装置が取得した学習データおよび/または学習装置100とは異なる装置に記憶された学習データを学習装置100に読み込むためのインタフェースとして少なくとも機能する。学習データ取得部110には、学習装置100に入力された学習データが入力される。学習データ取得部110は、入力された学習データを学習部120に対して出力する(ステップS110)。
学習データ取得部110は、学習装置100とは異なる装置が取得した学習データおよび/または学習装置100とは異なる装置に記憶された学習データを学習装置100に読み込むためのインタフェースとして少なくとも機能する。学習データ取得部110には、学習装置100に入力された学習データが入力される。学習データ取得部110は、入力された学習データを学習部120に対して出力する(ステップS110)。
学習データは、複数の楽曲それぞれについての学習用情報セットから成る。各楽曲についての学習用情報セットは、楽曲情報と、学習の対象とするユーザ(以下、「学習対象ユーザ」という)それぞれについての楽曲を受聴する前に取得された生体情報と、学習対象ユーザそれぞれについての楽曲の受聴による運動能力の改善に関する指標値と、による組である。例えば、楽曲のインデックス1, ..., Jのそれぞれをjとし、学習時のユーザのインデックス1, ..., Kのそれぞれをkとすると、楽曲M(j)それぞれについての学習用情報セットS(j)は、楽曲M(j)の楽曲情報A(j)と、ユーザU(k)それぞれについての楽曲M(j)を受聴する前の生体情報B(j,k)と、ユーザU(k)それぞれについての楽曲M(j)の受聴による運動能力の改善に関する指標値C(j,k)と、による組S(j)={A(j), B(j,1), ..., B(j,K), C(j,1), ..., C(j,K)}であり、学習データはJ個の学習用情報セットS(1), ..., S(J)から成る。
楽曲情報A(j)は、複数の楽曲M(1), ..., M(J)のうちの1つの楽曲M(j)を特定するための情報であり、例えば楽曲のタイトルである。生体情報B(j,k)は、ユーザU(k)が楽曲M(j)を受聴する前に取得されたユーザU(k)の生体情報であり、例えば、ユーザU(k)が楽曲M(j)の受聴を開始する第1所定時間前に、ユーザU(k)に装着されたセンサで取得された心電図、心拍数、呼吸、精神性発汗、瞳孔径、などの生体情報である。運動能力の改善に関する指標値C(j,k)は、ユーザU(k)が楽曲M(j)の受聴を開始する第2所定時間前に所定の運動を行った結果と、ユーザU(k)が楽曲M(j)の受聴を終了した第3所定時間後に当該所定の運動を行った結果と、から得られる、楽曲(j)の受聴による運動能力の改善に関する指標値であり、例えば、楽曲(j)の受聴による運動能力の改善の量や度合いを表す値である。例えば、所定の運動が垂直飛びであり、ユーザU(k)が楽曲M(j)の受聴を開始する第2所定時間前に行った垂直飛びの高さがH1(k)であり、ユーザU(k)が楽曲M(j)の受聴を終了した第3所定時間後に行った垂直飛びの高さがH2(k)であれば、例えば、H2(k)からH1(k)を減算した値H2(k)-H1(k)、または、H2(k)をH1(k)で除算した値H2(k)/H1(k)、または、H2(k)からH1(k)を減算した値H2(k)-H1(k)をH1(k)で除算した値(H2(k)-H1(k))/H1(k)、または、H2(k)からH1(k)を減算した値H2(k)-H1(k)をH2(k)で除算した値(H2(k)-H1(k))/H2(k)、を運動能力の改善に関する指標値C(j,k)とすればよい。第1所定時間と第2所定時間と第3所定時間は、実験などにより予め定めておけばよい。なお、生体情報B(j,k)が運動の影響を受けないように、第1所定時間のほうが第2所定時間より長い時間とするのがよい。
なお、学習データ取得部110は、入力された生体情報B(j,k)から別の生体情報B'(j,k)を得て、生体情報B(j,k)に代えて生体情報B'(j,k)を出力するようにしてもよい。例えば、学習データ取得部110は、ユーザU(k)から取得された生体情報B(j,k)からユーザU(k)の心理状態を表す生体情報B'(j,k)を得て、ユーザU(k)から取得された生体情報B(j,k)に代えてユーザU(k)の心理状態を表す生体情報B'(j,k)を出力するようにしてもよい。生体情報B'(j,k)は、例えば緊張度の指標値である。例えば、学習データ取得部110は、入力された生体情報B(j,k)が心電図の波形と精神性発汗の発汗量である場合に、心電図の波形と精神性発汗の発汗量から緊張度の指標値を生体情報B'(j,k)として得て出力してもよい。すなわち、学習データ取得部110は、入力された学習データの一部を変換したものを学習データとして学習部120に対して出力してもよい。
[学習部120]
学習部120には、学習データ取得部110が出力した学習データが入力される。学習部120は、入力された学習データを用いて、生体情報を入力として、当該生体情報の状態にあるユーザの運動能力の改善効果が最も大きいと推定される楽曲の情報を得る推定モデルを学習し(ステップS120)、学習済みの推定モデルをモデル出力部130に対して出力する。推定モデルの学習には周知の学習技術を用いればよく、学習データの量は推定モデルを学習するために十分な量とすればよい。
学習部120には、学習データ取得部110が出力した学習データが入力される。学習部120は、入力された学習データを用いて、生体情報を入力として、当該生体情報の状態にあるユーザの運動能力の改善効果が最も大きいと推定される楽曲の情報を得る推定モデルを学習し(ステップS120)、学習済みの推定モデルをモデル出力部130に対して出力する。推定モデルの学習には周知の学習技術を用いればよく、学習データの量は推定モデルを学習するために十分な量とすればよい。
学習部120は、学習時の全てのユーザの生体情報と運動能力の改善に関する指標値を用いて推定モデルを学習してもよいし、学習時のユーザのうちの所定の条件を満たすユーザの生体情報と運動能力の改善に関する指標値を用いて推定モデルを学習してもよいし、学習時のユーザのうちの特定の一人のユーザの生体情報と運動能力の改善に関する指標値を用いて推定モデルを学習してもよい。学習部120が全てのユーザの生体情報と運動能力の改善に関する指標値を用いて学習した場合には、ユーザへの依存度合いが低い推定モデルを得ることができる。学習部120が所定の条件を満たすユーザの生体情報と運動能力の改善に関する指標値を用いて学習した場合には、当該条件を満たすユーザへの依存度合いが高い推定モデルを得ることができる。学習部120が特定の一人のユーザの生体情報と運動能力の改善に関する指標値を用いて学習した場合には、当該ユーザに特化した推定モデルを得ることができる。
[モデル出力部130]
モデル出力部130には、学習部120が出力した学習済みの推定モデルが入力される。モデル出力部130は、入力された学習済みの推定モデルを、学習装置100の出力として推薦装置200に対して出力する(ステップS130)。
モデル出力部130には、学習部120が出力した学習済みの推定モデルが入力される。モデル出力部130は、入力された学習済みの推定モデルを、学習装置100の出力として推薦装置200に対して出力する(ステップS130)。
次に、推薦装置200について説明する。
[推薦装置200]
推薦装置200には、楽曲の推薦の対象とするユーザ(以下、「推薦対象ユーザ」という)の生体情報が入力される。推薦装置200は、学習済みの推定モデルを用いて、推薦対象ユーザの生体情報を入力として、推薦対象ユーザが当該生体情報の状態にあるときに運動能力の改善効果が最も大きいと推定される楽曲の楽曲情報を推薦結果として得て出力する。推薦装置200は、図1に例示する通り、生体情報取得部210と楽曲推薦情報生成部220と楽曲推薦情報出力部230を含む。推薦装置200は、図3に例示するステップS210とステップS220とステップS230の処理を行う。
[推薦装置200]
推薦装置200には、楽曲の推薦の対象とするユーザ(以下、「推薦対象ユーザ」という)の生体情報が入力される。推薦装置200は、学習済みの推定モデルを用いて、推薦対象ユーザの生体情報を入力として、推薦対象ユーザが当該生体情報の状態にあるときに運動能力の改善効果が最も大きいと推定される楽曲の楽曲情報を推薦結果として得て出力する。推薦装置200は、図1に例示する通り、生体情報取得部210と楽曲推薦情報生成部220と楽曲推薦情報出力部230を含む。推薦装置200は、図3に例示するステップS210とステップS220とステップS230の処理を行う。
[生体情報取得部210]
生体情報取得部210には、推薦装置200に入力された推薦対象ユーザの生体情報が入力される。生体情報取得部210は、入力された生体情報を楽曲推薦情報生成部220に対して出力する(ステップS210)。
生体情報取得部210には、推薦装置200に入力された推薦対象ユーザの生体情報が入力される。生体情報取得部210は、入力された生体情報を楽曲推薦情報生成部220に対して出力する(ステップS210)。
推薦対象ユーザの生体情報は、例えば、推薦対象ユーザに装着されたセンサで取得された心電図、心拍数、呼吸、精神性発汗、瞳孔径である。なお、対応する学習装置100の学習データ取得部110が入力された生体情報から別の生体情報を得て出力した場合には、生体情報取得部210も、学習データ取得部110と同様に、入力された生体情報から別の生体情報を得て出力するようにする。別の生体情報の例は、緊張度の指標値である。例えば、対応する学習装置100の学習データ取得部110が入力された心電図の波形と精神性発汗の発汗量から緊張度の指標値を生体情報として得て出力した場合には、生体情報取得部210も、入力された心電図の波形と精神性発汗の発汗量から緊張度の指標値を生体情報として得て出力する。すなわち、生体情報取得部210は、入力された生体情報を変換したものを生体情報として楽曲推薦情報生成部220に対して出力してもよい。
[楽曲推薦情報生成部220]
楽曲推薦情報生成部220は、図1に例示する通り、モデル記憶部225を備える。モデル記憶部225には、対応する学習装置100が出力した学習済みの推定モデルが予め記憶されている。モデル記憶部225に予め記憶された学習済みの推定モデルは、生体情報を入力として、当該生体情報の状態にあるユーザの運動能力の改善効果が最も大きいと推定される楽曲の楽曲情報を得る推定モデルである。
楽曲推薦情報生成部220は、図1に例示する通り、モデル記憶部225を備える。モデル記憶部225には、対応する学習装置100が出力した学習済みの推定モデルが予め記憶されている。モデル記憶部225に予め記憶された学習済みの推定モデルは、生体情報を入力として、当該生体情報の状態にあるユーザの運動能力の改善効果が最も大きいと推定される楽曲の楽曲情報を得る推定モデルである。
楽曲推薦情報生成部220には、生体情報取得部210が出力した生体情報が入力される。楽曲推薦情報生成部220は、モデル記憶部225に予め記憶された学習済みの推定モデルを用いて、推薦対象ユーザの生体情報を入力として、当該生体情報の状態にある推薦対象ユーザの運動能力の改善効果が最も大きいと推定される楽曲の楽曲情報を楽曲推薦情報として得て(ステップS220)、得た楽曲推薦情報を楽曲推薦情報出力部230に対して出力する。
モデル記憶部225に予め記憶された学習済みの推定モデルは、学習装置100の学習部120が行った何れの学習により得たものであってもよい。すなわち、モデル記憶部225に予め記憶された学習済みの推定モデルは、学習時の全てのユーザの生体情報と運動能力の改善に関する指標値を用いて学習した推定モデルであってもよいし、学習時のユーザのうちの所定の条件を満たすユーザの生体情報と運動能力の改善に関する指標値を用いて学習した推定モデルであってもよいし、学習時のユーザのうちの特定の一人のユーザの生体情報と運動能力の改善に関する指標値を用いて学習した推定モデルであってもよい。ただし、学習時のユーザのうちの所定の条件を満たすユーザの生体情報と運動能力の改善に関する指標値を用いて学習した推定モデルを用いる場合には、推薦対象ユーザが満たす条件のユーザの生体情報と運動能力の改善に関する指標値を用いて学習した推定モデルを用いるのがよい。また、学習時のユーザのうちの特定の一人のユーザの生体情報と運動能力の改善に関する指標値を用いて学習した推定モデルを用いる場合には、推薦対象ユーザの生体情報と運動能力の改善に関する指標値を用いて学習した推定モデルを用いるのがよい。
[楽曲推薦情報出力部230]
楽曲推薦情報出力部230には、楽曲推薦情報生成部220が出力した楽曲推薦情報が入力される。楽曲推薦情報出力部230は、入力され楽曲推薦情報を、推薦装置200の出力として、出力する(ステップS230)。
楽曲推薦情報出力部230には、楽曲推薦情報生成部220が出力した楽曲推薦情報が入力される。楽曲推薦情報出力部230は、入力され楽曲推薦情報を、推薦装置200の出力として、出力する(ステップS230)。
<その他の例など>
第1実施形態では所定の運動が垂直飛びである例を用いた説明を行ったが、所定の運動は当然ながら垂直飛びに限られず、どのような運動であってもよい。ただし、上述した発明の背景からすれば、所定の運動は、ボール投げ、投てき競技、短距離走、走り幅跳び、などの瞬発系の運動であることが望ましい。言い換えると、第1実施形態の推薦システム300は、瞬発系の運動を対象とした場合に特に効果が期待できるものである。すなわち、学習装置100が扱う学習用情報セットに含まれる運動能力の改善に関する指標値として、瞬発系の運動の運動結果に関する指標値を用いればよく、より具体的には、瞬発系の運動の運動結果の改善の量または度合いを表す値を用いればよい。このようにすれば、学習装置100はユーザの瞬発系の運動についての運動結果の改善効果が最も大きいと推定される楽曲の情報を得る推定モデルを学習することができ、推薦装置200は推薦対象ユーザの瞬発系の運動についての運動結果の改善効果が最も大きいと推定される楽曲の情報を得るものとすることができる。
第1実施形態では所定の運動が垂直飛びである例を用いた説明を行ったが、所定の運動は当然ながら垂直飛びに限られず、どのような運動であってもよい。ただし、上述した発明の背景からすれば、所定の運動は、ボール投げ、投てき競技、短距離走、走り幅跳び、などの瞬発系の運動であることが望ましい。言い換えると、第1実施形態の推薦システム300は、瞬発系の運動を対象とした場合に特に効果が期待できるものである。すなわち、学習装置100が扱う学習用情報セットに含まれる運動能力の改善に関する指標値として、瞬発系の運動の運動結果に関する指標値を用いればよく、より具体的には、瞬発系の運動の運動結果の改善の量または度合いを表す値を用いればよい。このようにすれば、学習装置100はユーザの瞬発系の運動についての運動結果の改善効果が最も大きいと推定される楽曲の情報を得る推定モデルを学習することができ、推薦装置200は推薦対象ユーザの瞬発系の運動についての運動結果の改善効果が最も大きいと推定される楽曲の情報を得るものとすることができる。
<プログラム及び記録媒体>
上述した学習装置と推薦装置との各部の処理をコンピュータにより実現してもよく、この場合は各装置が有すべき機能の処理内容はプログラムによって記述される。そして、このプログラムを図4に示すコンピュータ1000の記憶部1020に読み込ませ、演算処理部1010、入力部1030、出力部1040などに動作させることにより、上記各装置における各種の処理機能がコンピュータ上で実現される。
上述した学習装置と推薦装置との各部の処理をコンピュータにより実現してもよく、この場合は各装置が有すべき機能の処理内容はプログラムによって記述される。そして、このプログラムを図4に示すコンピュータ1000の記憶部1020に読み込ませ、演算処理部1010、入力部1030、出力部1040などに動作させることにより、上記各装置における各種の処理機能がコンピュータ上で実現される。
この処理内容を記述したプログラムは、コンピュータで読み取り可能な記録媒体に記録しておくことができる。コンピュータで読み取り可能な記録媒体は、例えば、非一時的な記録媒体であり、具体的には、磁気記録装置、光ディスク、等である。
また、このプログラムの流通は、例えば、そのプログラムを記録したDVD、CD-ROM等の可搬型記録媒体を販売、譲渡、貸与等することによって行う。さらに、このプログラムをサーバコンピュータの記憶装置に格納しておき、ネットワークを介して、サーバコンピュータから他のコンピュータにそのプログラムを転送することにより、このプログラムを流通させる構成としてもよい。
このようなプログラムを実行するコンピュータは、例えば、まず、可搬型記録媒体に記録されたプログラムもしくはサーバコンピュータから転送されたプログラムを、一旦、自己の非一時的な記憶装置である補助記録部1050に格納する。そして、処理の実行時、このコンピュータは、自己の非一時的な記憶装置である補助記録部1050に格納されたプログラムを記憶部1020に読み込み、読み込んだプログラムに従った処理を実行する。また、このプログラムの別の実行形態として、コンピュータが可搬型記録媒体から直接プログラムを記憶部1020に読み込み、そのプログラムに従った処理を実行することとしてもよく、さらに、このコンピュータにサーバコンピュータからプログラムが転送されるたびに、逐次、受け取ったプログラムに従った処理を実行することとしてもよい。また、サーバコンピュータから、このコンピュータへのプログラムの転送は行わず、その実行指示と結果取得のみによって処理機能を実現する、いわゆるASP(Application Service Provider)型のサービスによって、上述の処理を実行する構成としてもよい。なお、本形態におけるプログラムには、電子計算機による処理の用に供する情報であってプログラムに準ずるもの(コンピュータに対する直接の指令ではないがコンピュータの処理を規定する性質を有するデータ等)を含むものとする。
また、この形態では、コンピュータ上で所定のプログラムを実行させることにより、本装置を構成することとしたが、これらの処理内容の少なくとも一部をハードウェア的に実現することとしてもよい。
その他、この発明の趣旨を逸脱しない範囲で適宜変更が可能であることはいうまでもない。
Claims (6)
- 学習データは、複数の楽曲それぞれについての学習用情報セットから成り、
各楽曲についての前記学習用情報セットは、当該楽曲を特定するための情報である楽曲情報と、学習の対象とするユーザである学習対象ユーザのそれぞれについての当該楽曲を受聴する前に取得された生体情報と、前記学習対象ユーザそれぞれについての当該楽曲の受聴による運動能力の改善に関する指標値と、による組であり、
入力された学習データを用いて、生体情報を入力として、前記入力された生体情報の状態にあるユーザの運動能力の改善効果が最も大きいと推定される楽曲の情報を得る推定モデルを学習する学習部
を含む学習装置。 - 生体情報を入力として、前記入力された生体情報の状態にあるユーザの運動能力の改善効果が最も大きいと推定される楽曲の楽曲情報を得る推定モデルが予め記憶されており、
前記推定モデルを用いて、楽曲の推薦の対象とするユーザである推薦対象ユーザの生体情報を入力として、当該生体情報の状態にある前記推薦対象ユーザの運動能力の改善効果が最も大きいと推定される楽曲の情報を得る楽曲推薦情報生成部
を含む、推薦装置。 - 学習データは、複数の楽曲それぞれについての学習用情報セットから成り、
各楽曲についての前記学習用情報セットは、当該楽曲を特定するための情報である楽曲情報と、学習の対象とするユーザである学習対象ユーザのそれぞれについての当該楽曲を受聴する前に取得された生体情報と、前記学習対象ユーザそれぞれについての当該楽曲の受聴による運動能力の改善に関する指標値と、による組であり、
入力された学習データを用いて、生体情報を入力として、前記入力された生体情報の状態にあるユーザの運動能力の改善効果が最も大きいと推定される楽曲の情報を得る推定モデルを学習する学習ステップ
を含む学習方法。 - 生体情報を入力として、前記入力された生体情報の状態にあるユーザの運動能力の改善効果が最も大きいと推定される楽曲の楽曲情報を得る推定モデルが予め記憶されており、
前記推定モデルを用いて、楽曲の推薦の対象とするユーザである推薦対象ユーザの生体情報を入力として、当該生体情報の状態にある前記推薦対象ユーザの運動能力の改善効果が最も大きいと推定される楽曲の情報を得る楽曲推薦情報生成ステップ
を含む、推薦方法。 - 請求項1に記載の学習装置としてコンピュータを機能させるためのプログラム。
- 請求項2に記載の推薦装置としてコンピュータを機能させるためのプログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2021/045766 WO2023112081A1 (ja) | 2021-12-13 | 2021-12-13 | 学習装置、推薦装置、それらの方法、およびプログラム |
PCT/JP2022/021363 WO2023112355A1 (ja) | 2021-12-13 | 2022-05-25 | 学習装置、推薦装置、それらの方法、およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2021/045766 WO2023112081A1 (ja) | 2021-12-13 | 2021-12-13 | 学習装置、推薦装置、それらの方法、およびプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2023112081A1 true WO2023112081A1 (ja) | 2023-06-22 |
Family
ID=86773946
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/JP2021/045766 WO2023112081A1 (ja) | 2021-12-13 | 2021-12-13 | 学習装置、推薦装置、それらの方法、およびプログラム |
PCT/JP2022/021363 WO2023112355A1 (ja) | 2021-12-13 | 2022-05-25 | 学習装置、推薦装置、それらの方法、およびプログラム |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/JP2022/021363 WO2023112355A1 (ja) | 2021-12-13 | 2022-05-25 | 学習装置、推薦装置、それらの方法、およびプログラム |
Country Status (1)
Country | Link |
---|---|
WO (2) | WO2023112081A1 (ja) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009237406A (ja) * | 2008-03-28 | 2009-10-15 | Brother Ind Ltd | 運動用楽曲作成装置、運動用楽曲作成方法、及び運動用楽曲作成プログラム |
JP2015058362A (ja) * | 2013-09-17 | 2015-03-30 | ソニー株式会社 | 生体計測パラメータに基づいたオーディオ提示デバイス |
-
2021
- 2021-12-13 WO PCT/JP2021/045766 patent/WO2023112081A1/ja unknown
-
2022
- 2022-05-25 WO PCT/JP2022/021363 patent/WO2023112355A1/ja unknown
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009237406A (ja) * | 2008-03-28 | 2009-10-15 | Brother Ind Ltd | 運動用楽曲作成装置、運動用楽曲作成方法、及び運動用楽曲作成プログラム |
JP2015058362A (ja) * | 2013-09-17 | 2015-03-30 | ソニー株式会社 | 生体計測パラメータに基づいたオーディオ提示デバイス |
Non-Patent Citations (1)
Title |
---|
"Ph.D. Thesis", 1 January 2018, INTERNATIONAL UNIVERSITY OF HEALTH AND WELFARE, JP, article ARISA MINATO: "Effects of Background Music on Physical and Mental Tasks", pages: 1 - 26, XP009547041 * |
Also Published As
Publication number | Publication date |
---|---|
WO2023112355A1 (ja) | 2023-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11342062B2 (en) | Method and system for analysing sound | |
US10790919B1 (en) | Personalized real-time audio generation based on user physiological response | |
Rentfrow et al. | Message in a ballad: The role of music preferences in interpersonal perception | |
US20200286505A1 (en) | Method and system for categorizing musical sound according to emotions | |
TW201022968A (en) | A multimedia searching system, a method of building the system and associate searching method thereof | |
US20200306641A1 (en) | Real-time audio generation for electronic games based on personalized music preferences | |
Palazzi et al. | Music-induced emotion effects on decision-making | |
US10885092B2 (en) | Media selection based on learning past behaviors | |
WO2023112081A1 (ja) | 学習装置、推薦装置、それらの方法、およびプログラム | |
EP2661301A2 (en) | Personalized healing sounds database | |
KR20200129278A (ko) | 사용자의 음성 데이터를 분석하여 직원을 교육시키는 자가 발전 셀프 코칭 시스템 및 방법 | |
JP7300929B2 (ja) | 認知機能促進支援システム、学習システム、推定システム、及び認知機能促進支援方法 | |
US20210117432A1 (en) | Digital personal assistant | |
US11635934B2 (en) | Systems and methods for identifying segments of music having characteristics suitable for inducing autonomic physiological responses | |
WO2022239234A1 (ja) | 感情状態推定学習装置、感情状態推定装置、それらの方法、およびプログラム | |
CN106681997B (zh) | 一种信息处理方法及装置 | |
Higuchi et al. | Discrimination of mild cognitive impairment based on involuntary changes caused in voice elements | |
JP7188601B2 (ja) | 学習装置、推定装置、それらの方法、およびプログラム | |
CN114268818B (zh) | 故事播放的控制方法及装置、存储介质、计算设备 | |
US20240170125A1 (en) | Device and methods for managing physical exertions predicted during a vr session | |
WO2023170832A1 (ja) | 予測システム、予測方法および記録媒体 | |
Pataki et al. | Improving Estimation of Mental Wellness Using Computer Games | |
Filipcic | The age of music streaming: the use of music metadata to inform music therapy clinical decisions | |
CN118351816A (zh) | 一种电动车踏频音效联动生成方法、装置、设备及介质 | |
Varnum et al. | People prefer simpler content when there are more choices: A time series analysis of lyrical complexity in six decades of American popular music |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 21968004 Country of ref document: EP Kind code of ref document: A1 |