CN102722532B - 一种基于内容和用户历史的音乐推荐算法 - Google Patents

一种基于内容和用户历史的音乐推荐算法 Download PDF

Info

Publication number
CN102722532B
CN102722532B CN201210156758.5A CN201210156758A CN102722532B CN 102722532 B CN102722532 B CN 102722532B CN 201210156758 A CN201210156758 A CN 201210156758A CN 102722532 B CN102722532 B CN 102722532B
Authority
CN
China
Prior art keywords
music
user
algorithm
network
utilize
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201210156758.5A
Other languages
English (en)
Other versions
CN102722532A (zh
Inventor
李学庆
唐磊
井明
郑阶财
谢江宁
魏丽芹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong University
Original Assignee
Shandong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shandong University filed Critical Shandong University
Priority to CN201210156758.5A priority Critical patent/CN102722532B/zh
Publication of CN102722532A publication Critical patent/CN102722532A/zh
Application granted granted Critical
Publication of CN102722532B publication Critical patent/CN102722532B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

一种基于内容和用户历史的音乐推荐算法，属于多媒体分析技术领域。推荐算法为：以用户指定感兴趣的一首音乐作为推荐算法的输入，利用基于协作的推荐算法分析用户历史，即用户以往欣赏过的音乐，计算其它音乐相对于用户输入的被推荐概率u(i,j)；以三种音乐特征为依据，利用特征间的空间距离关系计算每首音乐与用户输入音乐之间的相似性s(i,j)；利用基于图的分析方法中的特征向量中心性分析音乐网络，计算其它音乐相对于用户输入的音乐的重要性g(i,j)；确定基于协作的推荐算法、相似性分析算法和基于特征向量中心性的分析算法的权重关系，将这三种算法融合，计算每首音乐最终被推荐的概率。本发明节约用户时间和精力，解决了用户欣赏偏好问题。

Description

一种基于内容和用户历史的音乐推荐算法
技术领域
本发明涉及一种基于内容和用户历史的音乐推荐算法，属于多媒体分析技术领域。
背景技术
目前，音乐的分析和推荐算法主要包括基于标签的方法、基于内容的方法、基于机器学习的方法和基于情感的方法。然而，这些方法仅对客观因素进行了分析，没有考虑用户行为和习惯等主观因素，生成的推荐结果无法满足不同用户的需求。虽然基于情感的方法将音乐与人的情感进行了映射，但由于情感表达的信息有限，还是无法体现用户的个体差异。
发明内容
针对现有技术的不足，本发明提供一种基于内容和用户历史的音乐推荐算法。
本发明从主观和客观两个方面对音乐进行分析，克服现有音乐分析、推荐算法中存在的不足，解决用户欣赏偏好问题。
一种基于内容和用户历史的音乐推荐算法如下：
A、取音乐的音色、饱和度、节奏三种音乐特征，利用基于列对象和聚类的平行坐标轴以及基于维密度和聚类的散点图对音乐特征进行优化，降低数据复杂度；优化方法为：利用平行坐标轴技术消除对分类贡献较小的音乐特征分量，利用散点图消除冗余特征分量
B、利用音乐特征建立音乐网络，音乐网络的每个节点表示一首音乐，音乐网络的边表示连接的两首音乐之间的相似性关系；为优化网络，降低网络的复杂度，首先利用最大生成树算法产生第一棵最大生成树；然后从原有网络中去除第一棵最大生成树的边，产生第二棵最大生成树；最终合并两棵生成树，产生一个新的音乐网络；
C、用户指定感兴趣的一首音乐作为推荐算法的输入，利用基于协作的推荐算法分析用户历史，即用户以往欣赏过的音乐，计算其它音乐相对于用户输入的被推荐概率u(i,j)；
D、以三种音乐特征为依据，利用特征间的空间距离关系计算每首音乐与用户输入音乐之间的相似性s(i,j)；
E、利用基于图的分析方法中的特征向量中心性分析音乐网络，计算其它音乐相对于用户输入的音乐的重要性g(i,j)；
F、确定基于协作的推荐算法、相似性分析算法和基于特征向量中心性的分析算法的权重关系，将这三种算法融合，计算每首音乐j最终被推荐的概率为r(i,j)＝a*u(i,j)+(1-a)*s(i,j)*g(i,j),其中a表示混合因子，0≤a≤1。
本发明的有益效果
1、节约用户时间和精力，支持从海量音乐信息中快速找出用户可能感兴趣的音乐。
2、利用三种分析方法对主观因素和客观因素进行分析，解决了用户欣赏偏好问题。
附图说明
图1是利用二次最大生成树生成的音乐网络图。
图2是音乐推荐算法流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
一种基于内容和用户历史的音乐推荐算法，如图1和图2所示，推荐算法如下：
A、取音乐的音色、饱和度、节奏三种音乐特征，利用基于列对象和聚类的平行坐标轴以及基于维密度和聚类的散点图对音乐特征进行优化，降低数据复杂度；优化方法为：利用平行坐标轴技术消除对分类贡献较小的音乐特征分量，利用散点图消除冗余特征分量
B、利用音乐特征建立音乐网络，音乐网络的每个节点表示一首音乐，音乐网络的边表示连接的两首音乐之间的相似性关系；为优化网络，降低网络的复杂度，首先利用最大生成树算法产生第一棵最大生成树；然后从原有网络中去除第一棵最大生成树的边，产生第二棵最大生成树；最终合并两棵生成树，产生一个新的音乐网络；
C、用户指定感兴趣的一首音乐作为推荐算法的输入，利用基于协作的推荐算法分析用户历史，即用户以往欣赏过的音乐，计算其它音乐相对于用户输入的被推荐概率u(i,j)；
D、以三种音乐特征为依据，利用特征间的空间距离关系计算每首音乐与用户输入音乐之间的相似性s(i,j)；
E、利用基于图的分析方法中的特征向量中心性分析音乐网络，计算其它音乐相对于用户输入的音乐的重要性g(i,j)；
B、确定基于协作的推荐算法、相似性分析算法和基于特征向量中心性的分析算法的权重关系，将这三种算法融合，计算每首音乐j最终被推荐的概率为r(i,j)＝a*u(i,j)+(1-a)*s(i,j)*g(i,j),其中a表示混合因子，0≤a≤1。

Claims (1)

1.一种基于内容和用户历史的音乐推荐算法，其特征在于，推荐算法如下：
A．提取音乐的音色、饱和度、节奏三种音乐特征，利用基于列对象和聚类的平行坐标轴以及基于维密度和聚类的散点图对音乐特征进行优化，降低数据复杂度；优化方法为：利用平行坐标轴技术消除对分类贡献较小的音乐特征分量，利用散点图消除冗余特征分量;
B．利用音乐特征建立音乐网络，音乐网络的每个节点表示一首音乐，音乐网络的边表示连接的两首音乐之间的相似性关系；为优化网络，降低网络的复杂度，首先利用最大生成树算法产生第一棵最大生成树；然后从原有网络中去除第一棵最大生成树的边，产生第二棵最大生成树；最终合并两棵生成树，产生一个新的音乐网络；
C．用户指定感兴趣的一首音乐作为推荐算法的输入，利用基于协作的推荐算法分析用户历史，即用户以往欣赏过的音乐，计算其它音乐相对于用户输入的被推荐概率u(i,j)；
D．以三种音乐特征为依据，利用特征间的空间距离关系计算每首音乐与用户输入音乐之间的相似性s(i,j)；
E．利用基于图的分析方法中的特征向量中心性分析音乐网络，计算其它音乐相对于用户输入的音乐的重要性g(i,j)；
F．确定基于协作的推荐算法、相似性分析算法和基于特征向量中心性的分析算法的权重关系，将这三种算法融合，计算每首音乐j最终被推荐的概率为r(i,j)＝a*u(i,j)+(1-a)*s(i,j)*g(i,j),其中a表示混合因子，0≤a≤1。
CN201210156758.5A 2012-05-18 2012-05-18 一种基于内容和用户历史的音乐推荐算法 Expired - Fee Related CN102722532B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210156758.5A CN102722532B (zh) 2012-05-18 2012-05-18 一种基于内容和用户历史的音乐推荐算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210156758.5A CN102722532B (zh) 2012-05-18 2012-05-18 一种基于内容和用户历史的音乐推荐算法

Publications (2)

Publication Number Publication Date
CN102722532A CN102722532A (zh) 2012-10-10
CN102722532B true CN102722532B (zh) 2014-04-02

Family

ID=46948293

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210156758.5A Expired - Fee Related CN102722532B (zh) 2012-05-18 2012-05-18 一种基于内容和用户历史的音乐推荐算法

Country Status (1)

Country Link
CN (1) CN102722532B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103065623B (zh) * 2012-12-17 2016-01-20 深圳Tcl新技术有限公司 音色匹配方法和装置
CN103605656B (zh) * 2013-09-30 2018-02-02 小米科技有限责任公司 一种推荐音乐的方法、装置及一种移动终端
CN103744966B (zh) * 2014-01-07 2018-06-22 Tcl集团股份有限公司 一种物品推荐方法、装置
CN104462385B (zh) * 2014-12-10 2018-07-03 山东科技大学 一种基于用户兴趣模型的电影个性化相似度计算方法
CN108932262B (zh) * 2017-05-26 2020-07-14 北京小唱科技有限公司 一种歌曲推荐方法及装置
CN108874998B (zh) * 2018-06-14 2021-10-19 华东师范大学 一种基于混合特征向量表示的对话式音乐推荐方法
CN111782774B (zh) * 2019-04-03 2024-04-19 北京嘀嘀无限科技发展有限公司 一种问题推荐的方法及装置
CN111552831B (zh) * 2020-04-21 2024-03-26 腾讯音乐娱乐科技（深圳）有限公司 一种音乐推荐的方法及服务器

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1633808A (zh) * 2001-12-27 2005-06-29 皇家飞利浦电子股份有限公司 推荐器计分的分层决策融合
CN101464881A (zh) * 2007-12-21 2009-06-24 音乐会技术公司 基于用位置信息标记的播放历史信息、在分布式环境中生成媒体推荐的方法和系统
CN101490664A (zh) * 2006-07-11 2009-07-22 音乐会技术公司 用于提供实时媒体推荐的p2p网络

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8380726B2 (en) * 2006-03-06 2013-02-19 Veveo, Inc. Methods and systems for selecting and presenting content based on a comparison of preference signatures from multiple users

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1633808A (zh) * 2001-12-27 2005-06-29 皇家飞利浦电子股份有限公司 推荐器计分的分层决策融合
CN101490664A (zh) * 2006-07-11 2009-07-22 音乐会技术公司 用于提供实时媒体推荐的p2p网络
CN101464881A (zh) * 2007-12-21 2009-06-24 音乐会技术公司 基于用位置信息标记的播放历史信息、在分布式环境中生成媒体推荐的方法和系统

Also Published As

Publication number Publication date
CN102722532A (zh) 2012-10-10

Similar Documents

Publication Publication Date Title
CN102722532B (zh) 一种基于内容和用户历史的音乐推荐算法
CN103970873B (zh) 一种音乐推荐方法和系统
CN104794221B (zh) 一种基于业务对象的多维数据分析系统
CN108897784A (zh) 一个基于社交媒体的突发事件多维分析系统
CN103745288A (zh) 一种基于知识的复杂产品研发过程协同方法
JP2017536604A5 (zh)
CN108509517B (zh) 一种面向实时新闻内容的流式话题演化跟踪方法
CN106484809A (zh) 一种基于Spark的能源互联网信息平台及其应用
CN103942606A (zh) 基于果蝇智能优化算法的居民用电客户细分方法
CN105488522B (zh) 融合多视图和半监督学习的搜索引擎用户信息需求满意度评估方法
Giannetti et al. Primary evidences on the robustness of environmental accounting from emergy
CN104731811A (zh) 一种面向大规模动态短文本的聚类信息演化分析方法
CN111062511B (zh) 基于决策树与神经网络的水产养殖病害预测方法及系统
Yang et al. Evaluation of provincial integration degree of “internet+ industry” based on matrix grey relational analysis: Case of China 2014–2016
CN108009847B (zh) 外卖场景下店铺embedding特征提取的方法
CN104636492A (zh) 一种基于模糊积分特征融合的动态数据分级方法
Liu et al. Wheel hub customization with an interactive artificial immune algorithm
Zhao et al. Transferring age and gender attributes for dimensional emotion prediction from big speech data using hierarchical deep learning
CN110489665B (zh) 一种基于情景建模和卷积神经网络的微博个性化推荐方法
CN104915485B (zh) 一种基于效应的产品需求到结构映射方法
CN109871889A (zh) 突发事件下大众心理评估方法
Wang et al. Research on Extension Innovation Model in the Creation Process of Service Design
Liu et al. srvpa: A multi-domain conversational service recommendation approach
Cao et al. A Novel Hybrid Collaborative Filtering Approach to Recommendation Using Reviews: The Product Attribute Perspective (S).
Qiu et al. Personalized HRTF prediction based on LightGBM using anthropometric data

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20140402

Termination date: 20150518

EXPY Termination of patent right or utility model