[发明专利]一种基于收听上下文的音乐推荐方法

权利要求书

1.一种基于收听上下文的音乐推荐方法，其特征在于，包括以下步骤：

S1基于神经语言模型的音乐特征的提取，具体包括：

S10获取用户的完整音乐收听序列，序列中每条收听记录包括音乐ID、播放时间、播放设备；

S11根据播放时间和播放设备，对每个用户的完整音乐收听序列进行分组，得到一系列子序列，其中，在完整音乐收听序列中的播放时间接近并且播放设备相同的收听记录会被分到同一个子序列中；

S12利用神经语言模型处理所有用户的完整音乐收听序列，得到每首音乐的粗粒度的特征向量，利用神经语言模型处理所有用户的子序列，得到每首音乐的细粒度的特征向量，其中，具有相似收听上下文的音乐具有相似的特征向量；

S2用户收听上下文的提取和建模，具体包括：

S20把用户的完整音乐收听序列中的所有音乐的粗粒度特征向量进行平均，得到用户的全局兴趣向量；

S21把用户的最近的音乐收听子序列中的所有音乐的细粒度特征向量进行平均，得到用户的收听上下文兴趣向量；

S3基于用户收听上下文的音乐推荐，具体包括：

S30根据用户的全局兴趣向量和完整音乐收听序列计算用户之间的相似度，其计算公式为：

其中，u表示目标用户，v表示数据库中的另外一个用户；

M_u表示用户u所收听的音乐集合，M_v表示用户v所收听的音乐集合；

表示用户u的全局兴趣向量，表示用户v的全局兴趣向量；

是和的余弦相似度；λ和θ是权重系数；

S31计算目标用户u对音乐m的兴趣，计算公式如下：

其中，u表示目标用户；

U_u,k表示与u最相似的k个用户的集合，U^m表示收听过音乐m的用户集合；

表示用户u的收听上下文兴趣向量，表示音乐m的细粒度特征向量；

是和的余弦相似度；ω和是权重系数；

S32利用步骤S31中的计算结果对所有音乐进行排序，把前N个推荐给目标用户u。

2.根据权利要求1所述的基于收听上下文的音乐推荐方法，其特征在于，步骤S12中，根据对效率和准确度的要求指定特征向量的维度，以得到推荐结果更准确的高维度特征向量，或者计算效率更高的低维度特征向量。