一种基于收听序列和元数据的上下文感知音乐推荐方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN105808720A(43)申请公布日2016.07.27(21)申请号201610128317.2(22)申请日2016.03.07(71)申请人浙江大学地址310027浙江省杭州市西湖区浙大路38号(72)发明人邓水光王东京杨宇佳李莹吴健尹建伟吴朝晖(74)专利代理机构杭州天勤知识产权代理有限公司33224代理人胡红娟(51)Int.Cl.G06F17/30(2006.01)权利要求书2页说明书5页附图1页(54)发明名称一种基于收听序列和元数据的上下文感知音乐推荐方法(57)摘要本发明公开了一种基于收听序列和元数据的上下文感知音乐推荐方法，包括：S1基于音乐收听序列和音乐元数据的音乐特征的提取；S2用户全局兴趣和收听上下文兴趣的提取；S3上下文感知的音乐推荐。本发明利用神经网络模型从用户的音乐收听序列和音乐元数据中提取音乐的特征，再从用户的完整收听序列和近期收听序列中提取用户的全局兴趣特征收听上下文兴趣，最后在推荐的时候综合考虑用户的全局兴趣和当前收听上下文兴趣，从而能够让推荐的音乐符合用户的实时需求和偏好，从而减少用户的搜索成本并提高用户的满意度。CN105808720ACN105808720A权利要求书1/2页1.一种基于收听序列和元数据的上下文感知音乐推荐方法，包括如下步骤：(1)收集用户的完整音乐收听序列及其基本信息；所述的完整音乐收听序列包含用户历史对于音乐的每条收听记录，所述的基本信息包括完整音乐收听序列中每条收听记录所对应音乐的演唱者以及所属专辑；(2)根据所有用户的完整音乐收听序列及其基本信息，建立以下目标函数L：其中：A表示所有用户组成的用户集群，Au表示用户集群A中的第u个用户，Hu表示用户Au的完整音乐收听序列，表示完整音乐收听序列Hu中的第i条收听记录，表示收听记录的上下文记录即包括收听记录的前c条以及后c条收听记录，表示上下文记录及完整音乐收听记录Hu下观测到收听记录的概率，c为大于0的自然数，i和u均为自然数且1≤i≤m，1≤u≤n，m为完整音乐收听序列Hu中收听记录的总数量，n为用户集群A中用户的总数量；β为预设的权重系数，M表示所有音乐组成的乐库，mj和ml分别表示乐库M中的第j首音乐和第l首音乐，s(mj,ml)为音乐mj与音乐ml的元数据相似度函数，j和l均为自然数且1≤j≤k，1≤l≤k，k为乐库M中音乐的总数量；(3)对上述目标函数L进行最大化求解，以求得乐库M中每首音乐的特征向量；进而对用户完整音乐收听序列中各条收听记录所对应音乐的特征向量求平均，得到用户的全局音乐收听兴趣向量；(4)从用户完整音乐收听序列中提取当前时刻之前一段时间内的收听记录组成近期音乐收听序列；进而对近期音乐收听序列中各条收听记录所对应音乐的特征向量求平均，得到用户的上下文音乐收听兴趣向量；(5)根据每首音乐的特征向量以及用户的全局音乐收听兴趣向量和上下文音乐收听兴趣向量，计算出用户对于每首音乐的兴趣值；进而根据兴趣值对乐库M中的所有音乐从大到小排序，并提取兴趣值最大的若干首音乐推荐给用户。2.根据权利要求1所述的上下文感知音乐推荐方法，其特征在于：所述概率的表达式如下：其中：为收听记录所对应音乐的特征向量，为上下文记录以及完整音乐收听记录Hu中各条收听记录所对应音乐的平均特征向量，T表示转置，vj为音乐mj的特征向量。3.根据权利要求1所述的上下文感知音乐推荐方法，其特征在于：所述元数据相似度函数s(mj,ml)的表达式如下：2CN105808720A权利要求书2/2页其中：vj和vl分别为音乐mj和音乐ml的特征向量，p(mj)和a(mj)分别表示音乐mj的演唱者和所属专辑，p(ml)和a(ml)分别表示音乐ml的演唱者和所属专辑，T表示转置。4.根据权利要求1所述的上下文感知音乐推荐方法，其特征在于：所述的步骤(5)中通过以下公式计算用户对于每首音乐的兴趣值：其中：为用户Au对于音乐mj的兴趣值，vj为音乐mj的特征向量，为用户Au的全局音乐收听兴趣向量，为用户Au的上下文音乐收听兴趣向量，表示特征向量vj与全局音乐收听兴趣向量的余弦相似度，表示特征向量vj与上下文音乐收听兴趣向量的余弦相似度。3CN105808720A说明书1/5页一种基于收听序列和元数据的上下文感知音乐推荐方法技术领域[0001]本发明属于数据挖掘及推荐技术领域，具体涉及一种基于收听序列和元数据的上下文感知音乐推荐方法。背景技术[0002]随着移动通信带宽的增加、终端处理能力的增强、以及传感技术的发展，越来越多的用户通过移动终端来收听音乐。移动用户的听歌喜好通常会随着时间、空间、天气、身体状况不同而变化，传统的音乐推荐系统已不适用于个性化移动网络服务领域。