[发明专利]一种基于微博情绪上下文的音乐推荐方法

权利要求书

1.一种基于微博情绪上下文的音乐推荐方法，其特征在于，包括以下步骤：

10.基于情感词典的情绪上下文的提取和建模，具体包括：

101.利用已有情感词典、同义词词典、微博词汇构建一个多粒度情感词典，所述多粒度情感词典包含有三种情绪粒度，分别为2分类，包括积极、消极；7分类，包括乐、好、哀、惊、惧、怒、恶；19分类，包括快乐、安心、喜爱、相信、赞扬、祝愿、悲伤、失望、内疚、思念、惊奇、慌、恐惧、羞、愤怒、贬责、烦闷、怀疑、憎恶；

102.采用分词系统将用户微博数据转化为中文单词序列，并利用词袋模型来表示微博；

103.根据101中所构建的多粒度情感词典和微博中的情感词汇的出现频率，将微博表示为情感向量；根据对效率和准确度的要求选择不同粒度的情感词典，从而获得合适的情感向量；

104.把用户在时间点t之前一段时间内的所有微博的情感向量相加，并归一化，作为用户在时间t的情绪上下文向量；

20.包含情绪上下文的音乐记录的构建，具体包括：

201.从用户的音乐分享微博中获取用户的音乐收听记录，所述音乐收听记录包括时间；

202.利用用户的微博获取音乐收听记录对应的情绪上下文向量，最终得到所有用户的“用户-音乐-情绪上下文向量”的记录；

30.基于用户情绪上下文的音乐推荐，具体包括：

301.根据用户的“用户-音乐-情绪上下文向量”的记录计算用户之间的相似度，其计算公式为：

其中，

u是目标用户，而v数据库中的另外一个用户；

I_u是用户u所收听的音乐集合，而I_v是用户v所收听的音乐条目集合；

e_ui是用户u收听音乐i的情绪上下文向量；

e_vi是用户v收听音乐i的情绪上下文向量；

cos(e_ui,e_vi)是情绪上下文向量e_ui和e_vi的余弦相似度；

302.目标用户u对音乐i的兴趣计算公式如下：

其中，

u是目标用户；

U_u,k是和u最相似的k个用户的集合；

U_i是收听过音乐i的用户集合；

e_u是目标用户u的当前情绪上下文向量，e_vi是用户v收听音乐i的情绪上下文向量；

303.利用步骤302中的公式对所有音乐进行排序，把前N个推荐给当前用户。