CN106339492A - 一种基于地理位置信息的音乐推荐方法 - Google Patents

Abstract

本发明公开了一种基于地理位置信息的音乐推荐方法，包括以下步骤：S1、进行前置任务；S2、获取用户上传的地理位置信息，将地理位置信息划分为二级结构：L1：用户所处的城市；L2：用户所处的场所；S3、获取用户的第一级地理位置信息L1，根据用户的第一级地理位置信息L1进行音乐匹配，得到第一级推荐集合；S4、获取用户的第二级地理位置信息L2，根据用户的第二级地理位置信息L2进行音乐匹配，得到第二级推荐集合；S5、在第一级推荐集合和第二级推荐集合中分别选取任意数量的音乐推荐给用户。本发明将音乐与地理位置进行联系，在不同的地理位置，用户能够得到不同类型、不同风格的音乐，提高了客户的音乐产品的粘性与满意度。

Description

一种基于地理位置信息的音乐推荐方法

技术领域

本发涉及一种基于地理位置信息的音乐推荐方法。

背景技术

随着互联网技术的不断发展，给用户推荐其感兴趣的内容的需求不断的增大。在音乐软件行业，传统的音乐推荐只是基于用户的听歌习惯，即根据用户听了那些音乐来给用户推荐其他的音乐。这种音乐推荐系统其核心基本采用多维空间中两个向量夹角的余弦公式的思想，系统根据用户的最近一段时间或者所有时间的听歌记录与服务器的乐库来进行相似度的计算，再根据其相似度来进行音乐推荐。但是，这种推荐方法却没有考虑到用户的地理位置信息，不能而基于用户的地理位置信息来个性化的推荐音乐。

而在音乐推荐功能中，其推荐系统必须是，高效的，准确的，个性化的。即算法的时间复杂度，空间复杂度不宜过高；其推荐出来的音乐要有所依据，可以满足大多用户的口味；推荐的音乐要根据用户的实际情况来进行推荐，不同的用户得到的推荐音乐具有一定的差异性，即个性化的推荐。为了解决上面的问题，需要设计出一种高效准确的个性化音乐推荐。

发明内容

本发明的目的在于克服现有技术的不足，提供一种将音乐与地理位置进行联系，在不同的地理位置，用户能够得到不同类型、不同风格的音乐，提高了客户的音乐产品的粘性与满意度的基于地理位置信息的音乐推荐方法。

本发明的目的是通过以下技术方案来实现的：一种基于地理位置信息的音乐推荐方法，包括以下步骤：

S1、进行前置任务；

S2、获取用户上传的地理位置信息，将用户上传的地理位置信息划分为如下二级结构：L1：用户所处的城市；L2：用户所处的场所；

S3、获取用户的第一级地理位置信息L1，根据用户的第一级地理位置信息L1进行音乐匹配，得到第一级推荐集合；

S4、获取用户的第二级地理位置信息L2，根据用户的第二级地理位置信息L2进行音乐匹配，得到第二级推荐集合；

S5、在第一级推荐集合和第二级推荐集合中分别选取任意数量的音乐推荐给用户。

进一步地，所述步骤S1包括以下子步骤：

S11、建立关于地理位置信息的数据词典D1与D2，即只包含地理位置信息词语的数据字典；

S12、对于系统中存储的每一首音乐Song_i，对音乐的歌词进行基于D1与D2中文分词操作，其分词算法选取逆向最大匹配算法；其中，i表示系统中音乐数量；

S13、对于每一首音乐Song_i，统计分词得到的词语的词频P；

S14、进行过滤操作，对于每一个词语，舍去P≤1的词语；

S15、将所有音乐的音乐名与其分词过滤后的词语构成一个映射Map，并加入分词集合SM1和SM2，以便后续的匹配。

进一步地，所述步骤S3包括以下子步骤：

S31、得到用户的第一级地理位置信息L1；

S32、将用户的第一级地理位置信息L1与分词集合中映射进行匹配：在分词集合SM1里面取出一个映射Map_i，将第一级地理位置信息L1和Map_i的音乐名进行匹配，如果Map_i的音乐名中包含该地理位置信息，则将Map_i加入第一级推荐集合；否则进行S33；

S33、将地理位置信息L1与Map_i的地理位置词语进行匹配：计算用户的第一级地理位置信息L1与映射中地理位置词语的余弦相似度：

$\cos A=\frac{b^2+c^2-a^2}{2bc}$

若a向量是[x₁,y₁]，b向量是[x₂,y₂]，则：

$\cos A=\frac{x_1{x}_2+y_1{y}_2}{\sqrt{x_1^2+y_1^2}\×\sqrt{x_2^2+y_2^2}}$

其中，x₁、x₂表示L1中词语词频，y₁、y₂表示L2的词语词频；

S34、将S33计算的余弦相似度与预设的阈值T进行比较，若是其余弦相似度大于阈值T，则该映射Map匹配成功的，将其加入即进行第一级推荐集合；否则匹配不成功，不加入第一级推荐集合；

S35、对Map_i进行i++，返回步骤S32；直到所有映射完成匹配。

进一步地，所述步骤S4包括以下子步骤：

S41、得到用户的第二级地理位置信息L2；

S42、将第二级地理位置信息L2与分词集合中映射进行匹配：在分词集合SM2里面取出一个映射Map′_i，将第二级地理位置信息L2和Map′_i的音乐名进行匹配，如果音乐名中包含第二级地理位置信息L2，则将Map′_i加入第二级推荐集合；否则进行S43；

S43、将第二级地理位置信息L2与Map′_i的地理位置词语进行匹配：若分词过滤操作后的词语包含第二级地理位置信息L2，则该映射Map′_i匹配成功的，将其加入即进行第二级推荐集合；否则该映射Map′_i匹配不成功，不加入第二级推荐集合；

S44、对Map′_i进行i++，返回步骤S42；直到所有映射完成匹配。

本发明的有益效果是：本发明提供了基于地理位置的音乐推送系统，相对于传统的音乐推荐，将音乐与地理位置进行联系，在不同的地理位置，用户能够得到不同类型、不同风格的音乐。本发明对地理位置信息进行分级，将地理位置信息划分为城市级别与场所级别，两级地理位置音乐推荐给了用户极大的选择度。若是用户在短时间内改变了第二级的地理位置信息，那么系统只进行第二级地理位置的匹配算法，能够快速的推荐不同的音乐。将用户的实际生活与音乐联系起来，即周围的环境会影响到用户当前的心理状态，继而提高了客户的音乐产品的粘性与满意度。

附图说明

图1为本发明的音乐推荐方法流程图。

具体实施方式

下面结合附图进一步说明本发明的技术方案。

本方法针对音乐软件中音乐推荐系统提供了一种新型的音乐推荐系统。其主要思想如下：在该系统中，首先获取准确的用户的地理位置信息，对获取的地理位置信息进行初步的处理之后，在系统中乐库中选取音乐与地理位置信息进行比较与匹配，最终筛选出于地理位置有联系的音乐，将这些音乐组成一个音乐推荐集合，并将音乐推荐集合推荐给用户。由于系统有一定的内存，CPU等物理设备或时间等限制，将会设置一系列的阈值来进行限定。

当用户打开本音乐推荐系统并愿意发送其地理位置信息时，如图1所示，本发明的一种基于地理位置信息的音乐推荐方法，包括以下步骤：

S1、进行前置任务；具体包括以下子步骤：

S11、建立关于地理位置信息的数据词典D1与D2，即只包含地理位置信息词语的数据字典；

S12、对于系统中存储的每一首音乐Song_i，对音乐的歌词进行基于D1与D2中文分词操作，其分词算法选取逆向最大匹配算法(RMM)；其中，i表示系统中音乐数量；

S13、对于每一首音乐Song_i，统计分词得到的词语的词频P；

S14、进行过滤操作，对于每一个词语，舍去P≤1的词语；

S15、将所有音乐的音乐名与其分词过滤后的词语构成一个映射Map，并加入分词集合SM1和SM2，以便后续的匹配。

S2、获取用户上传的地理位置信息，将用户上传的地理位置信息划分为如下二级结构：L1：用户所处的城市；L2：用户所处的场所，如公园，酒吧，闹市区等不同的场所；第一级结构是短时间难以改变的，推荐的音乐不需要很频繁的进行更新；第二级结构却是可以在短时间内改变，所以服务器要很快的给出不同的音乐推荐。所以就需要系统对上述两种各不同结构的地理位置信息来进行准确性，时间，和效率不同的处理。

S3、获取用户的第一级地理位置信息L1，根据用户的第一级地理位置信息L1进行音乐匹配，得到第一级推荐集合；具体包括以下子步骤：

S31、得到用户的第一级地理位置信息L1；

S32、将用户的第一级地理位置信息L1与分词集合中映射进行匹配：在分词集合SM1里面取出一个映射Map_i，将第一级地理位置信息L1和Map_i的音乐名(映射的键，Map_i的key)进行匹配，如果Map_i的音乐名中包含该地理位置信息，则将Map_i加入第一级推荐集合SR1；否则进行S33；

S33、将地理位置信息L1与Map_i的地理位置词语(映射的值，Map_i的value)进行匹配：计算用户的第一级地理位置信息L1与映射中地理位置词语的余弦相似度(cosinesimilarity)：

$\cos A=\frac{b^2+c^2-a^2}{2bc}$

若a向量是[x₁,y₁]，b向量是[x₂,y₂]，则：

$\cos A=\frac{x_1{x}_2+y_1{y}_2}{\sqrt{x_1^2+y_1^2}\×\sqrt{x_2^2+y_2^2}}$

其中，x₁、x₂表示L1中词语词频，y₁、y₂表示L2的词语词频；

S34、将S33计算的余弦相似度与预设的阈值T进行比较，若是其余弦相似度大于阈值T，则该映射Map匹配成功的，将其加入即进行第一级推荐集合SR1；否则匹配不成功，不加入第一级推荐集合SR1；

S35、对Map_i进行i++，返回步骤S32；直到所有映射完成匹配。

S4、获取用户的第二级地理位置信息L2，根据用户的第二级地理位置信息L2进行音乐匹配，得到第二级推荐集合；具体包括以下子步骤：

S41、得到用户的第二级地理位置信息L2；

S42、将第二级地理位置信息L2与分词集合中映射进行匹配：在分词集合SM2里面取出一个映射Map′_i，将第二级地理位置信息L2和Map′_i的音乐名进行匹配，如果音乐名中包含第二级地理位置信息L2，则将Map′_i加入第二级推荐集合SR2；否则进行S43；

S43、将第二级地理位置信息L2与Map′_i的地理位置词语进行匹配：由于第二级匹配要求效率，所以这里采用一种简单的方法：若分词过滤操作后的词语包含第二级地理位置信息L2，则该映射Map′_i匹配成功的，将其加入即进行第二级推荐集合SR2；否则该映射Map′_i匹配不成功，不加入第二级推荐集合SR2；

S44、对Map′_i进行i++，返回步骤S42；直到所有映射完成匹配。

S5、在第一级推荐集合SR1和第二级推荐集合SR2中分别选取任意数量的音乐推荐给用户。

相对于传统的音乐推荐，本发明将音乐与地理位置进行联系，将音乐与现实联系起来；在不同的地理位置，用户能够得到不同类型、不同风格的音乐。

本发明对地理位置信息进行分级，将地理位置信息划分为城市级别与场所级别。因为第一级短时间不易改变，而第二级短时间可以改变。这种特性决定了音乐推荐系统推荐算法的效率与速度。

采用本发明的方法推荐音乐会随用户地理位置变化变化，若是用户在短时间内改变了第二级的地理位置信息，那么系统只进行第二级地理位置的匹配算法，能够快速的推荐不同的音乐。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (4)

1.一种基于地理位置信息的音乐推荐方法，其特征在于，包括以下步骤：

S1、进行前置任务；

S2、获取用户上传的地理位置信息，将用户上传的地理位置信息划分为如下二级结构：L1：用户所处的城市；L2：用户所处的场所；

S3、获取用户的第一级地理位置信息L1，根据用户的第一级地理位置信息L1进行音乐匹配，得到第一级推荐集合；

S4、获取用户的第二级地理位置信息L2，根据用户的第二级地理位置信息L2进行音乐匹配，得到第二级推荐集合；

S5、在第一级推荐集合和第二级推荐集合中分别选取任意数量的音乐推荐给用户。

2.根据权利要求1所述的基于地理位置信息的音乐推荐方法，其特征在于，所述步骤S1包括以下子步骤：

S11、建立关于地理位置信息的数据词典D1与D2，即只包含地理位置信息词语的数据字典；

S12、对于系统中存储的每一首音乐Song_i，对音乐的歌词进行基于D1与D2中文分词操作，其分词算法选取逆向最大匹配算法；其中，i表示系统中音乐数量；

S13、对于每一首音乐Song_i，统计分词得到的词语的词频P；

S14、进行过滤操作，对于每一个词语，舍去P≤1的词语；

S15、将所有音乐的音乐名与其分词过滤后的词语构成一个映射Map，并加入分词集合SM1和SM2，以便后续的匹配。

3.根据权利要求2所述的基于地理位置信息的音乐推荐方法，其特征在于，所述步骤S3包括以下子步骤：

S31、得到用户的第一级地理位置信息L1；

S32、将用户的第一级地理位置信息L1与分词集合中映射进行匹配：在分词集合SM1里面取出一个映射Map_i，将第一级地理位置信息L1和Map_i的音乐名进行匹配，如果Map_i的音乐名中包含该地理位置信息，则将Map_i加入第一级推荐集合；否则进行S33；

S33、将地理位置信息L1与Map_i的地理位置词语进行匹配：计算用户的第一级地理位置信息L1与映射中地理位置词语的余弦相似度：

$\cos A=\frac{b^2+c^2-a^2}{2bc}$

若a向量是[x₁,y₁]，b向量是[x₂,y₂]，则：

$\cos A=\frac{x_1{x}_2+y_1{y}_2}{\sqrt{x_1^2+y_1^2}\×\sqrt{x_2^2+y_2^2}}$

其中，x₁、x₂表示L1中词语词频，y₁、y₂表示L2的词语词频；

S34、将S33计算的余弦相似度与预设的阈值T进行比较，若是其余弦相似度大于阈值T，则该映射Map匹配成功的，将其加入即进行第一级推荐集合；否则匹配不成功，不加入第一级推荐集合；

S35、对Map_i进行i++，返回步骤S32；直到所有映射完成匹配。

4.根据权利要求3所述的基于地理位置信息的音乐推荐方法，其特征在于，所述步骤S4包括以下子步骤：

S41、得到用户的第二级地理位置信息L2；

S42、将第二级地理位置信息L2与分词集合中映射进行匹配：在分词集合SM2里面取出一个映射Map′_i，将第二级地理位置信息L2和Map′_i的音乐名进行匹配，如果音乐名中包含第二级地理位置信息L2，则将Map′_i加入第二级推荐集合；否则进行S43；

S43、将第二级地理位置信息L2与Map′_i的地理位置词语进行匹配：若分词过滤操作后的词语包含第二级地理位置信息L2，则该映射Map′_i匹配成功的，将其加入即进行第二级推荐集合；否则该映射Map′_i匹配不成功，不加入第二级推荐集合；

S44、对Map′_i进行i++，返回步骤S42；直到所有映射完成匹配。