[发明专利]一种基于马尔科夫预测算法的音乐分类的推荐方法

说明书

技术领域

本发明涉及计算机应用技术领域，具体是一种基于马尔科夫预测算法的音乐分类的推荐方法。

背景技术

基于马尔科夫预测算法的音乐分类推荐方法是以马尔可夫算法为主算法的对用户音乐行为的预测算法，目前用于预测的算法有很多，比如分词聚类法、关联规则等。但这些单一的预测算法并不能有效提高f值，进入了预测的瓶颈期。

同时，用户对音乐的需求量越来越大，常规网站通过用户点击率或者微博、新闻热门话题进行音乐曲目或者音乐人的推荐，但这并不能做到准确分析预测用户的真实需求。

一方面，巨大的用户数据无法实现快速提取分析，另一方面，目前预测算法只停留在多用户之间的关联分析、同一用户历史数据的分析上，基于马尔科夫预测算法的音乐分类推荐方法将对其进行改善。

发明内容

本发明的目的在于提供一种实现简单、准确率高的基于马尔科夫预测算法的音乐分类的推荐方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于马尔科夫预测算法的音乐分类的推荐方法，具体步骤如下：

(1)分别对用户操作：设用户下载、试听、收藏、分享、购买五个动作分别为S₁，S₂，…S₅，用户在S_i状态下下一步转移到S_j状态的概率为P_ij⁵，进而得到转移矩阵，概率P_ij⁵的计算公式如下：

Pij(5)=p11p12...p15p21p22...p25................p51p52...p55]]>(公式1)；

(2)记所有用户五个状态概率a_i，(i＝1，2，...，5)，为初始状态，根据初始状态概率向量和转移矩阵，对以后用户动作进行预测，下一次这五个动作概率将变为：

a⁽²⁾＝(a₁，a₂，a₃，a₄，a₅)P_ij⁵(公式2)；

(3)重复步骤(1)和(2)，经过n次计算，求得稳定状态下的a⁽ⁿ⁾，若不稳定则停止计算，选用贝叶斯作为主算法，a⁽ⁿ⁾表示五个动作用户选择的概率；