CN107506488A - 一种智能音乐推荐系统 - Google Patents
一种智能音乐推荐系统 Download PDFInfo
- Publication number
- CN107506488A CN107506488A CN201710861744.6A CN201710861744A CN107506488A CN 107506488 A CN107506488 A CN 107506488A CN 201710861744 A CN201710861744 A CN 201710861744A CN 107506488 A CN107506488 A CN 107506488A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- music
- user
- mover
- 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.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
- G06F16/63—Querying
- G06F16/635—Filtering based on additional data, e.g. user or group profiles
- G06F16/636—Filtering based on additional data, e.g. user or group profiles by using biological or physiological data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
- G06F16/63—Querying
- G06F16/635—Filtering based on additional data, e.g. user or group profiles
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Physiology (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种智能音乐推荐系统,包括一次推荐子系统、二次推荐子系统和综合推荐子系统,所述一次推荐子系统用于根据用户情绪向用户推荐音乐,所述二次推荐子系统用于根据用户预测评分向用户推荐音乐,所述综合推荐子系统用于将一次推荐子系统和二次推荐子系统都推荐的音乐作为推荐结果向用户推荐。本发明的有益效果为:根据用户情绪和预测评分向用户推荐音乐,实现了音乐的智能推荐。
Description
技术领域
本发明涉及音乐技术领域,具体涉及一种智能音乐推荐系统。
背景技术
随着网络技术的发展,用户听歌的行为已经在线化,越来越多的用户通过互联网或者移动互联网在线收听或者下载音乐。由于网络上音乐量大,一方面导致用户很难从音乐海洋中精准快速地找到自己需要的音乐,另一方面音乐提供者很难轻易地让有用的音乐被最有需要的用户发现。
推荐系统是在认知理论、信息检索、人工智能等学科的基础上发展起来的,用于向用户推荐有用信息。现有的大多网络音乐推荐系统存在推荐准确性差等缺陷。
发明内容
针对上述问题,本发明旨在提供一种智能音乐推荐系统。
本发明的目的采用以下技术方案来实现:
提供了一种智能音乐推荐系统,包括一次推荐子系统、二次推荐子系统和综合推荐子系统,所述一次推荐子系统用于根据用户情绪向用户推荐音乐,所述二次推荐子系统用于根据用户预测评分向用户推荐音乐,所述综合推荐子系统用于将一次推荐子系统和二次推荐子系统都推荐的音乐作为推荐结果向用户推荐。
本发明的有益效果为:根据用户情绪和预测评分向用户推荐音乐,实现了音乐的智能推荐。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明的结构示意图;
附图标记:
一次推荐子系统1、二次推荐子系统2、综合推荐子系统3。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1,本实施例的一种智能音乐推荐系统,包括一次推荐子系统1、二次推荐子系统2和综合推荐子系统3,所述一次推荐子系统1用于根据用户情绪向用户推荐音乐,所述二次推荐子系统2用于根据用户预测评分向用户推荐音乐,所述综合推荐子系统3用于将一次推荐子系统1和二次推荐子系统2都推荐的音乐作为推荐结果向用户推荐。
本实施例根据用户情绪和预测评分向用户推荐音乐,实现了音乐的智能推荐。
优选的,所述一次推荐子系统1包括健康数据获取模块、健康数据存储模块、情绪生成模块和音乐生成模块,
所述健康数据获取模块用于获取用户各类健康数据,
所述健康数据存储模块用于存放所述用户各类健康数据,
所述情绪生成模块与所述健康数据存储模块连接,用于根据用户的各类健康数据生成用户的当前情绪,
所述音乐生成模块用于根据用户当前情绪向用户推荐音乐。
本优选实施例根据情绪向用户推荐,提高了用户的满意度。
优选的,所述二次推荐子系统2包括第一处理模块、第二处理模块、第三处理模块和第四处理模块,所述第一处理模块用于对用户和音乐之间的相似性进行评价,获得相似的用户和音乐,所述第二处理模块用于根据相似的用户和音乐预测用户对待推荐音乐的评分,所述第三处理模块用于根据评分预测结果向用户推荐音乐,所述第四处理模块用于对所述第三处理模块的推荐性能进行评价。
本实施例基于用户对待推荐音乐的评分预测进行音乐推荐,保证了推荐的可靠性和准确度,进一步提高了用户的满意度。
优选的,所述第一处理模块包括用户子单元和音乐子单元,所述用户子单元用于对用户之间的相似性进行评价,所述音乐子单元用于对音乐之间的相似性进行评价;
所述对用户之间的相似性进行评价通过用户相似性因子进行,所述用户相似性因子采用下式确定:
在式子里,F=Fu∩Fv表示用户u和v共同使用的音乐的集合,RU1(u,v)表示用户u和v的用户相似性因子,pu,f表示用户u使用音乐f的评价值,表示用户u使用F中所有音乐的平均评价值,pv,f表示用户v使用音乐f的评价值,表示用户v使用F中所有音乐的平均评价值;所述用户相似性因子值越大,表明用户越相似。
本优选实施例第一处理模块设置用户子单元,以用户之间的关系为出发点,根据用户对大量音乐的评价计算用户相似度因子,确定出用户之间的相似度,为后续向用户推荐音乐打下了良好的基础。
优选的,所述对音乐之间的相似性进行评价通过音乐相似性因子进行,所述音乐相似性因子采用下式确定:
在式子里,U=Uf∩Uh表示同时使用了音乐f和h的用户集合,RU2(f,h)表示音乐f和h的音乐相似性因子,pu,f表示用户u使用音乐f的评价值,表示集合U中所有用户使用音乐f的平均评价值,pu,h表示用户u使用音乐h的评价值,表示集合U中所有用户使用音乐h的平均评价值;所述音乐相似性因子越大,表明音乐越相似。
本优选实施例第一处理模块设置音乐子单元,以音乐与音乐之间的关系为出发点,根据大量用户对音乐的评价计算音乐相似性因子,确定音乐之间的相似度,为后续向用户推荐音乐打下了良好的基础。
优选的,所述第二处理模块包括一次预测单元、二次预测单元和综合预测单元,所述一次预测单元用于根据用户相似性因子进行预测,得到第一预测值,所述二次预测单元用于根据音乐相似性因子进行预测,得到第二预测值,所述综合预测单元根据第一预测值和第二预测值获取综合预测值。
本优选实施例第二处理模块通过对音乐的评价值进行预测,为后续音乐推荐提供了依据。
优选的,所述根据用户相似性因子进行预测,具体采用下式进行:
在式子里,MHu,f表示用户u对音乐f的第一预测值,v∈U是用户u的相似用户,pv,f表示相似用户v对音乐f的评价值;
所述根据音乐相似性因子进行预测,具体采用下式进行:
在式子里,DTu,f表示用户u对音乐f的第二预测值,h∈F是音乐f的相似音乐,pu,f表示当前用户u对音乐f的评价值;
所述根据第一预测值和第二预测值获取综合预测值,具体采用下式进行:ADu,f=δ1MHu,f+δ2DTu,f,在式子里,ADu,f表示用户u对音乐f的综合预测值,δ1和δ2表示权重因子,δ1+δ2=1;所述综合预测值即为用户对待推荐音乐的评分预测结果。
本优选实施例在预测过程中,综合考虑了用户相似性因子和音乐相似性因子对预测结果的影响,通过建立第一预测值、第二预测值和综合预测值,得到了更为准确和科学的预测值,从而能够更准确的进行音乐推荐。
优选的,对所述第三处理模块的推荐性能进行评价采用评价因子进行,所述评价因子采用下式确定:
在式子里,RX表示第三处理模块的评价因子,ADu,f表示用户u对音乐f的综合预测值,pu,f表示用户u对音乐f评价的真实值,N表示预测值的数量。
本优选实施例第四处理模块通过引入评价因子对第三处理模块的推荐性能进行评价,保证了推荐模快的推荐准确性,从而保证了音乐推荐水平。
采用本发明智能音乐推荐系统向用户推荐音乐,选取5组用户进行实验,分别为用户组1、用户组2、用户组3、用户组4、用户组5,每组有10名用户,对音乐推荐时间和用户满意度进行统计,同现有音乐推荐系统相比,产生的有益效果如下表所示:
音乐推荐时间减少 | 用户满意度提高 | |
用户组1 | 22% | 21% |
用户组2 | 24% | 23% |
用户组3 | 24% | 25% |
用户组4 | 26% | 27% |
用户组5 | 28% | 29% |
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (8)
1.一种智能音乐推荐系统,其特征在于,包括一次推荐子系统、二次推荐子系统和综合推荐子系统,所述一次推荐子系统用于根据用户情绪向用户推荐音乐,所述二次推荐子系统用于根据用户预测评分向用户推荐音乐,所述综合推荐子系统用于将一次推荐子系统和二次推荐子系统都推荐的音乐作为推荐结果向用户推荐。
2.根据权利要求1所述的智能音乐推荐系统,其特征在于,所述一次推荐子系统包括健康数据获取模块、健康数据存储模块、情绪生成模块和音乐生成模块,
所述健康数据获取模块用于获取用户各类健康数据,
所述健康数据存储模块用于存放所述用户各类健康数据,
所述情绪生成模块与所述健康数据存储模块连接,用于根据用户的各类健康数据生成用户的当前情绪,
所述音乐生成模块用于根据用户当前情绪向用户推荐音乐。
3.根据权利要求2所述的智能音乐推荐系统,其特征在于,所述二次推荐子系统包括第一处理模块、第二处理模块、第三处理模块和第四处理模块,所述第一处理模块用于对用户和音乐之间的相似性进行评价,获得相似的用户和音乐,所述第二处理模块用于根据相似的用户和音乐预测用户对待推荐音乐的评分,所述第三处理模块用于根据评分预测结果向用户推荐音乐,所述第四处理模块用于对所述第三处理模块的推荐性能进行评价。
4.根据权利要求3所述的智能音乐推荐系统,其特征在于,所述第一处理模块包括用户子单元和音乐子单元,所述用户子单元用于对用户之间的相似性进行评价,所述音乐子单元用于对音乐之间的相似性进行评价;
所述对用户之间的相似性进行评价通过用户相似性因子进行,所述用户相似性因子采用下式确定:
<mrow>
<msub>
<mi>RU</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>,</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>lg</mi>
<mfrac>
<mrow>
<msub>
<mo>&Sigma;</mo>
<mrow>
<mi>f</mi>
<mo>&Element;</mo>
<mi>F</mi>
</mrow>
</msub>
<mo>&lsqb;</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>p</mi>
<mrow>
<mi>u</mi>
<mo>,</mo>
<mi>f</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>p</mi>
<mo>&OverBar;</mo>
</mover>
<mi>u</mi>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<msub>
<mi>p</mi>
<mrow>
<mi>v</mi>
<mo>,</mo>
<mi>f</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>p</mi>
<mo>&OverBar;</mo>
</mover>
<mi>v</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<msqrt>
<mrow>
<msub>
<mo>&Sigma;</mo>
<mrow>
<mi>f</mi>
<mo>&Element;</mo>
<mi>F</mi>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>p</mi>
<mrow>
<mi>u</mi>
<mo>,</mo>
<mi>f</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>p</mi>
<mo>&OverBar;</mo>
</mover>
<mi>u</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<msqrt>
<mrow>
<msub>
<mo>&Sigma;</mo>
<mrow>
<mi>f</mi>
<mo>&Element;</mo>
<mi>F</mi>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>p</mi>
<mrow>
<mi>v</mi>
<mo>,</mo>
<mi>f</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>p</mi>
<mo>&OverBar;</mo>
</mover>
<mi>v</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
</mfrac>
<mo>+</mo>
<mfrac>
<mrow>
<msub>
<mo>&Sigma;</mo>
<mrow>
<mi>f</mi>
<mo>&Element;</mo>
<mi>F</mi>
</mrow>
</msub>
<mo>&lsqb;</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>p</mi>
<mrow>
<mi>u</mi>
<mo>,</mo>
<mi>f</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>p</mi>
<mo>&OverBar;</mo>
</mover>
<mi>u</mi>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<msub>
<mi>p</mi>
<mrow>
<mi>v</mi>
<mo>,</mo>
<mi>f</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>p</mi>
<mo>&OverBar;</mo>
</mover>
<mi>v</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<msqrt>
<mrow>
<msub>
<mo>&Sigma;</mo>
<mrow>
<mi>f</mi>
<mo>&Element;</mo>
<mi>F</mi>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>p</mi>
<mrow>
<mi>u</mi>
<mo>,</mo>
<mi>f</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>p</mi>
<mo>&OverBar;</mo>
</mover>
<mi>u</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<msqrt>
<mrow>
<msub>
<mo>&Sigma;</mo>
<mrow>
<mi>f</mi>
<mo>&Element;</mo>
<mi>F</mi>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>p</mi>
<mrow>
<mi>v</mi>
<mo>,</mo>
<mi>f</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>p</mi>
<mo>&OverBar;</mo>
</mover>
<mi>v</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
</mfrac>
</mrow>
在式子里,F=Fu∩Fv表示用户u和v共同使用的音乐的集合,RU1(u,v)表示用户u和v的用户相似性因子,pu,f表示用户u使用音乐f的评价值,表示用户u使用F中所有音乐的平均评价值,pv,f表示用户v使用音乐f的评价值,表示用户v使用F中所有音乐的平均评价值;所述用户相似性因子值越大,表明用户越相似。
5.根据权利要求4所述的智能音乐推荐系统,其特征在于,所述对音乐之间的相似性进行评价通过音乐相似性因子进行,所述音乐相似性因子采用下式确定:
<mrow>
<msub>
<mi>RU</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>f</mi>
<mo>,</mo>
<mi>h</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mfrac>
<mrow>
<msub>
<mo>&Sigma;</mo>
<mrow>
<mi>u</mi>
<mo>&Element;</mo>
<mi>U</mi>
</mrow>
</msub>
<mo>&lsqb;</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>p</mi>
<mrow>
<mi>u</mi>
<mo>,</mo>
<mi>f</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>p</mi>
<mo>&OverBar;</mo>
</mover>
<mi>f</mi>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<msub>
<mi>p</mi>
<mrow>
<mi>u</mi>
<mo>,</mo>
<mi>h</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>p</mi>
<mo>&OverBar;</mo>
</mover>
<mi>h</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<msqrt>
<mrow>
<msub>
<mo>&Sigma;</mo>
<mrow>
<mi>u</mi>
<mo>&Element;</mo>
<mi>U</mi>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>p</mi>
<mrow>
<mi>u</mi>
<mo>,</mo>
<mi>f</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>p</mi>
<mo>&OverBar;</mo>
</mover>
<mi>f</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<msqrt>
<mrow>
<msub>
<mo>&Sigma;</mo>
<mrow>
<mi>u</mi>
<mo>&Element;</mo>
<mi>U</mi>
</mrow>
</msub>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>p</mi>
<mrow>
<mi>u</mi>
<mo>,</mo>
<mi>h</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>p</mi>
<mo>&OverBar;</mo>
</mover>
<mi>h</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
</mfrac>
<mo>+</mo>
<mn>3</mn>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<mn>1</mn>
</mrow>
在式子里,U=Uf∩Uh表示同时使用了音乐f和h的用户集合,RU2(f,h)表示音乐f和h的音乐相似性因子,pu,f表示用户u使用音乐f的评价值,表示集合U中所有用户使用音乐f的平均评价值,pu,h表示用户u使用音乐h的评价值,表示集合U中所有用户使用音乐h的平均评价值;所述音乐相似性因子越大,表明音乐越相似。
6.根据权利要求5所述的智能音乐推荐系统,其特征在于,所述第二处理模块包括一次预测单元、二次预测单元和综合预测单元,所述一次预测单元用于根据用户相似性因子进行预测,得到第一预测值,所述二次预测单元用于根据音乐相似性因子进行预测,得到第二预测值,所述综合预测单元根据第一预测值和第二预测值获取综合预测值。
7.根据权利要求6所述的智能音乐推荐系统,其特征在于,所述根据用户相似性因子进行预测,具体采用下式进行:
<mrow>
<msub>
<mi>MH</mi>
<mrow>
<mi>u</mi>
<mo>,</mo>
<mi>f</mi>
</mrow>
</msub>
<mo>=</mo>
<mo>&lsqb;</mo>
<mfrac>
<mn>1</mn>
<msqrt>
<mrow>
<msub>
<mo>&Sigma;</mo>
<mrow>
<mi>v</mi>
<mo>&Element;</mo>
<mi>U</mi>
</mrow>
</msub>
<msub>
<mi>RU</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>,</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
</mrow>
</msqrt>
</mfrac>
<mo>+</mo>
<mfrac>
<mn>1</mn>
<mrow>
<msub>
<mo>&Sigma;</mo>
<mrow>
<mi>v</mi>
<mo>&Element;</mo>
<mi>U</mi>
</mrow>
</msub>
<msub>
<mi>RU</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>,</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>&rsqb;</mo>
<mo>&times;</mo>
<mo>&lsqb;</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>v</mi>
<mo>&Element;</mo>
<mi>U</mi>
</mrow>
</munder>
<msub>
<mi>RU</mi>
<mn>1</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>u</mi>
<mo>,</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
<msub>
<mi>p</mi>
<mrow>
<mi>v</mi>
<mo>,</mo>
<mi>f</mi>
</mrow>
</msub>
<mo>+</mo>
<mn>1</mn>
<mo>&rsqb;</mo>
</mrow>
在式子里,MHu,f表示用户u对音乐f的第一预测值,v∈U是用户u的相似用户,pv,f表示相似用户v对音乐f的评价值;
所述根据音乐相似性因子进行预测,具体采用下式进行:
<mrow>
<msub>
<mi>DT</mi>
<mrow>
<mi>u</mi>
<mo>,</mo>
<mi>f</mi>
</mrow>
</msub>
<mo>=</mo>
<mo>&lsqb;</mo>
<mfrac>
<mn>1</mn>
<msqrt>
<mrow>
<msub>
<mo>&Sigma;</mo>
<mrow>
<mi>h</mi>
<mo>&Element;</mo>
<mi>F</mi>
</mrow>
</msub>
<msub>
<mi>RU</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>f</mi>
<mo>,</mo>
<mi>h</mi>
<mo>)</mo>
</mrow>
</mrow>
</msqrt>
</mfrac>
<mo>+</mo>
<mfrac>
<mn>1</mn>
<mrow>
<msub>
<mo>&Sigma;</mo>
<mrow>
<mi>h</mi>
<mo>&Element;</mo>
<mi>F</mi>
</mrow>
</msub>
<msub>
<mi>RU</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>f</mi>
<mo>,</mo>
<mi>h</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>&rsqb;</mo>
<mo>&times;</mo>
<mo>&lsqb;</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>h</mi>
<mo>&Element;</mo>
<mi>F</mi>
</mrow>
</munder>
<msub>
<mi>RU</mi>
<mn>2</mn>
</msub>
<mrow>
<mo>(</mo>
<mi>f</mi>
<mo>,</mo>
<mi>h</mi>
<mo>)</mo>
</mrow>
<msub>
<mi>p</mi>
<mrow>
<mi>u</mi>
<mo>,</mo>
<mi>h</mi>
</mrow>
</msub>
<mo>+</mo>
<mn>1</mn>
<mo>&rsqb;</mo>
</mrow>
在式子里,DTu,f表示用户u对音乐f的第二预测值,h∈F是音乐f的相似音乐,pu,f表示当前用户u对音乐f的评价值;
所述根据第一预测值和第二预测值获取综合预测值,具体采用下式进行:ADu,f=δ1MHu,f+δ2DTu,f,在式子里,ADu,f表示用户u对音乐f的综合预测值,δ1和δ2表示权重因子,δ1+δ2=1;所述综合预测值即为用户对待推荐音乐的评分预测结果。
8.根据权利要求7所述的智能音乐推荐系统,其特征在于,对所述第三处理模块的推荐性能进行评价采用评价因子进行,所述评价因子采用下式确定:
<mrow>
<mi>R</mi>
<mi>X</mi>
<mo>=</mo>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<msubsup>
<mo>&Sigma;</mo>
<mrow>
<mi>f</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</msubsup>
<mrow>
<mo>|</mo>
<mrow>
<msub>
<mi>AD</mi>
<mrow>
<mi>u</mi>
<mo>,</mo>
<mi>f</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>p</mi>
<mrow>
<mi>u</mi>
<mo>,</mo>
<mi>f</mi>
</mrow>
</msub>
</mrow>
<mo>|</mo>
</mrow>
</mrow>
<mi>N</mi>
</mfrac>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>&times;</mo>
<msup>
<mi>e</mi>
<msqrt>
<mfrac>
<mrow>
<msubsup>
<mo>&Sigma;</mo>
<mrow>
<mi>f</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</msubsup>
<mrow>
<mo>|</mo>
<mrow>
<msub>
<mi>AD</mi>
<mrow>
<mi>u</mi>
<mo>,</mo>
<mi>f</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>p</mi>
<mrow>
<mi>u</mi>
<mo>,</mo>
<mi>f</mi>
</mrow>
</msub>
</mrow>
<mo>|</mo>
</mrow>
</mrow>
<mi>N</mi>
</mfrac>
</msqrt>
</msup>
</mrow>
在式子里,RX表示第三处理模块的评价因子,ADu,f表示用户u对音乐f的综合预测值,pu,f表示用户u对音乐f评价的真实值,N表示预测值的数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710861744.6A CN107506488A (zh) | 2017-09-21 | 2017-09-21 | 一种智能音乐推荐系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710861744.6A CN107506488A (zh) | 2017-09-21 | 2017-09-21 | 一种智能音乐推荐系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107506488A true CN107506488A (zh) | 2017-12-22 |
Family
ID=60697288
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710861744.6A Withdrawn CN107506488A (zh) | 2017-09-21 | 2017-09-21 | 一种智能音乐推荐系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107506488A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108200505A (zh) * | 2018-03-02 | 2018-06-22 | 深圳明创自控技术有限公司 | 一种能够自主控制的智能耳机 |
CN108228831A (zh) * | 2018-01-03 | 2018-06-29 | 韦德永 | 一种智能音乐推荐系统 |
CN108416719A (zh) * | 2018-03-02 | 2018-08-17 | 深圳万智联合科技有限公司 | 一种高效的社区信息服务系统 |
CN108958247A (zh) * | 2018-07-02 | 2018-12-07 | 深圳市益鑫智能科技有限公司 | 一种引导机器人 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070107584A1 (en) * | 2005-11-11 | 2007-05-17 | Samsung Electronics Co., Ltd. | Method and apparatus for classifying mood of music at high speed |
CN102541920A (zh) * | 2010-12-24 | 2012-07-04 | 华东师范大学 | 联合基于用户和项目的协同过滤提高准确度的方法及装置 |
CN103578007A (zh) * | 2012-07-20 | 2014-02-12 | 三星电子(中国)研发中心 | 用于智能设备的混合推荐系统及其方法 |
CN103823908A (zh) * | 2014-03-21 | 2014-05-28 | 北京飞流九天科技有限公司 | 基于用户偏好的内容推荐方法和服务器 |
CN104123355A (zh) * | 2014-07-17 | 2014-10-29 | 深圳市明康迈软件有限公司 | 一种音乐推荐方法及系统 |
CN104809243A (zh) * | 2015-05-15 | 2015-07-29 | 东南大学 | 一种基于对用户行为复合因子进行挖掘的混合推荐方法 |
-
2017
- 2017-09-21 CN CN201710861744.6A patent/CN107506488A/zh not_active Withdrawn
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070107584A1 (en) * | 2005-11-11 | 2007-05-17 | Samsung Electronics Co., Ltd. | Method and apparatus for classifying mood of music at high speed |
CN102541920A (zh) * | 2010-12-24 | 2012-07-04 | 华东师范大学 | 联合基于用户和项目的协同过滤提高准确度的方法及装置 |
CN103578007A (zh) * | 2012-07-20 | 2014-02-12 | 三星电子(中国)研发中心 | 用于智能设备的混合推荐系统及其方法 |
CN103823908A (zh) * | 2014-03-21 | 2014-05-28 | 北京飞流九天科技有限公司 | 基于用户偏好的内容推荐方法和服务器 |
CN104123355A (zh) * | 2014-07-17 | 2014-10-29 | 深圳市明康迈软件有限公司 | 一种音乐推荐方法及系统 |
CN104809243A (zh) * | 2015-05-15 | 2015-07-29 | 东南大学 | 一种基于对用户行为复合因子进行挖掘的混合推荐方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108228831A (zh) * | 2018-01-03 | 2018-06-29 | 韦德永 | 一种智能音乐推荐系统 |
CN108228831B (zh) * | 2018-01-03 | 2020-01-07 | 江苏易邦信息技术有限公司 | 一种智能音乐推荐系统 |
CN108200505A (zh) * | 2018-03-02 | 2018-06-22 | 深圳明创自控技术有限公司 | 一种能够自主控制的智能耳机 |
CN108416719A (zh) * | 2018-03-02 | 2018-08-17 | 深圳万智联合科技有限公司 | 一种高效的社区信息服务系统 |
CN108200505B (zh) * | 2018-03-02 | 2019-11-19 | 江华智酷科技有限公司 | 一种能够自主控制的智能耳机 |
CN108958247A (zh) * | 2018-07-02 | 2018-12-07 | 深圳市益鑫智能科技有限公司 | 一种引导机器人 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107506488A (zh) | 一种智能音乐推荐系统 | |
CN104935963B (zh) | 一种基于时序数据挖掘的视频推荐方法 | |
CN104899302B (zh) | 向用户推荐音乐的方法和装置 | |
CN104462383B (zh) | 一种基于用户多种行为反馈的电影推荐方法 | |
CN102063433A (zh) | 相关项推荐方法和装置 | |
CN105069717A (zh) | 一种基于游客信任度的个性化旅游线路推荐方法 | |
CN105373597A (zh) | 基于k-medoids项目聚类和局部兴趣融合的用户协同过滤推荐方法 | |
CN104915861A (zh) | 基于评分和标签构建用户群体模型的电子商务推荐方法 | |
CN102654859A (zh) | 一种歌曲推荐方法及系统 | |
CN103886081A (zh) | 一种信息发送方法及系统 | |
CN107330050A (zh) | 一种个性化推荐方法及系统 | |
WO2009126815A2 (en) | Diversified, self-organizing map system and method | |
CN103970802A (zh) | 一种歌曲推荐的方法及装置 | |
CN106980646A (zh) | 基于流行度对用户兴趣的影响机制分析及其在推荐算法中应用的方法 | |
Coelho et al. | A personalized travel recommendation system using social media analysis | |
CN107657347A (zh) | 一种面向群组的旅游推荐方法 | |
CN105447193A (zh) | 一种基于机器学习和协同过滤的音乐推荐系统 | |
CN108255840A (zh) | 一种歌曲的推荐方法和系统 | |
CN108776940A (zh) | 一种基于文本评论挖掘的智能餐饮推荐算法 | |
CN104699693A (zh) | 一种信息处理方法及装置 | |
CN105787069A (zh) | 一种个性化的音乐推荐方法 | |
CN107045533A (zh) | 基于标签的教育资源推荐方法及系统 | |
CN106570763A (zh) | 用户影响力评估的方法及系统 | |
CN109241120A (zh) | 一种用户推荐方法及装置 | |
CN106021302A (zh) | 一种基于智能推荐技术的无线音乐推荐方法和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20171222 |