[发明专利]一种基于标签的协同过滤音乐推荐方法

说明书

本发明公开了一种基于标签的协同过滤音乐推荐方法，包括以下步骤：生成用于喜好音乐标签集合、结合历史数据对标签矩阵进行改进、生成推荐表单。本发明基于协同过滤算法为主的音乐标签和歌单，以用户历史数据为辅，形成推荐歌单，并根据推测用户的喜好度对音乐进行排名，达到了更加准确的推荐效果。

技术领域

本发明涉及互联网大数据应用相关技术领域，具体是一种基于标签的协同过滤音乐推荐方法。

背景技术

随着现代信息技术的发展，各种互联网产品层出不穷，传统的基本应用已经不能满足用户的需求，用户需要的是更加友好且具有个人定制化特性的应用服务。

常用的音乐推荐方法是基于用户历史的推荐方法，具体过程为从所述音乐记录中提取用户最新收听的音乐；获取曲库中的音乐与所述用户最新的音乐之间的音乐距离；根据所述音乐距离生成第一音乐推荐列表。第一音乐推荐列表中的音乐与用户最新的音乐相似度较高,更符合用户习惯,因此能提高音乐推荐的准确度。但是这种方法仅根据用户历史数据来推断用户可能的音乐，所推荐产生的音乐类型比较单一。

协同过滤推荐方法是目前在各音乐平台中基本也十分成熟的推荐方法，通过给定目标与品味相似用户群体的爱好向目标用于作出推荐，但协同过滤推荐算法仅考虑目标用户与音乐类型间的评分矩阵生成包括适合用于喜好的表单供用户选择，但用户并不会自然而然的去评价每一首自己喜好的音乐，且用于对一首音乐的喜好只有确定喜好和确定不喜好，不能根据喜好程度进行区别。

发明内容

本发明的目的在于提供一种基于标签的协同过滤音乐推荐方法，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：

一种基于标签的协同过滤音乐推荐方法，包括以下步骤：

(1)、生成用于喜好音乐标签集合：提取目标用户对音乐进行标签标记的行为数据进行提取后，处理形成嵌套结构的数据格式，并搭建数据模型；

(2)、结合历史数据对标签矩阵进行改进：收集用户听音乐的历史记录，将标签和歌单提取出来，构建用户标签矩阵，将该标签矩阵和上述标签集合分别进行相似度的计算，获得两个相似用户群；

(2)、生成推荐表单：对两个相似用户群分别计算，根据两个矩阵获得与目标用户兴趣相似度排名较高的多个用户，将这些用户标记过标签的且未被目标用户标记的歌单提取，再将上述两个相似用户群中提取的歌单进行合并，合并后再根据相似用户的相似度对歌单进行排次，形成推荐表单，推荐给目标用户。

作为本发明进一步的方案：所述步骤1中，将用户对音乐进行标签归类标注的行为数据进行提取，提取的行为数据采用特征变换处理，形成嵌套结构的数据格式，对输出的嵌套格式数据进行计算，采用线性融合标签搭建模型，形成用于的标签集合。

作为本发明进一步的方案：所述步骤2中，目标用户历史数据包括用户标注过的标签、被用户标注标签的歌单。

作为本发明进一步的方案：所述步骤2中，对标签矩阵和标签集合采用欧氏距离相似性算法计算相似度。

作为本发明进一步的方案：所述步骤3中，先找到与目标用户相似度最高的n个用户，将n个用户中未被目标用户标记标签的歌单以及标签都进行提取，形成候选歌单和标签子集，将候选歌单与目标用户的兴趣特征作比较，为用户推荐相关性最大的部分歌单。

作为本发明进一步的方案：对于标签子集，将标签子集按照均匀分布随机划分为训练集和测试集，训练集和测试集中数据量分别为70％和30％，通过训练集中的标签行为数据生成推荐结果，并与测试集中的真实数据进行比较。

与现有技术相比，本发明的有益效果是：本发明基于协同过滤算法为主的音乐标签和歌单，以用户历史数据为辅，形成推荐歌单，并根据推测用户的喜好度对音乐进行排名，达到了更加准确的推荐效果。

具体实施方式