[发明专利]一种基于神经网络模型的上下文感知音乐推荐方法

摘要

本发明公开了一种基于神经网络模型的上下文感知音乐推荐方法，包括：S1基于神经网络模型的音乐特征的提取和用户全局兴趣的建模；S2用户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中提取音乐的特征和用户的全局兴趣特征，再从用户的完整收听序列中提取用户的收听上下文兴趣，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。

主权项

1.一种基于神经网络模型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，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；(2)根据所有用户的完整音乐收听序列，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，A_u表示用户集群A中的第u个用户，H_u表示用户A_u的完整音乐收听序列，p(A_u|H_u)表示完整音乐收听序列H_u下观测到用户A_u的概率，表示完整音乐收听序列H_u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H_u中收听记录的总数量，n为用户集群A中用户的总数量；所述概率p(Au|Hu)的表达式如下：其中：v_u为用户A_u的全局兴趣向量，为完整音乐收听序列H_u中各条收听记录所对应音乐的平均特征向量，T表示转置；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，为上下文记录中各条收听记录所对应音乐的平均特征向量，m_j为乐库中第j首音乐的特征向量，j为自然数且1≤j≤k，k为乐库中音乐的总数量；(3)对上述目标函数L进行最大化求解，以求得乐库中每首音乐的特征向量以及每个用户的全局兴趣向量；(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兴趣向量和上下文收听兴趣向量，通过以下公式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；其中：为用户A_u对于乐库中第j首音乐的兴趣值，m_j为乐库中第j首音乐的特征向量，v_u为用户A_u的全局兴趣向量，z_u为用户A_u的上下文收听兴趣向量，T表示转置，j为自然数且1≤j≤k，k为乐库中音乐的总数量。