CN108228831A - 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
- CN108228831A CN108228831A CN201810006049.6A CN201810006049A CN108228831A CN 108228831 A CN108228831 A CN 108228831A CN 201810006049 A CN201810006049 A CN 201810006049A CN 108228831 A CN108228831 A CN 108228831A
- Authority
- CN
- China
- Prior art keywords
- music
- user
- evaluation
- resource
- recommendation
- 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.)
- Granted
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
Abstract
本发明提供了一种智能音乐推荐系统,包括第一推荐模块、情感识别模块和综合推荐模块,所述第一推荐模块用于向用户推荐音乐,生成音乐推荐列表,所述情感识别模块用于确定音乐推荐列表中音乐的情感特征和用户的情感特征,所述综合推荐模块用于对所述用户的情感特征和音乐的情感特征进行匹配,生成与用户情感特征相匹配的最终音乐推荐结果。本发明的有益效果为:实现了音乐准确推荐,结合用户情感进行推荐,提升了用户体验。
Description
技术领域
本发明涉及音乐推荐技术领域,具体涉及一种智能音乐推荐系统。
背景技术
随着计算机网络的不断发展和日益普及,人们可以方便获取音乐资源,如何对海量音乐资源进行有效检索和访问,音乐推荐就显得尤为重要。
目前个性化推荐系统的应用非常广泛,呈现出加速发展的态势。对于多数企业而言,目前的现状是自主经营的平台拥有较为丰富的音乐类目及音乐,但缺少用户量,同时积累的用户历史行为数据也相对较少,而且没有办法获取用户更多维度的信息。在这种情况下,想要利用现有的推荐系统提升推荐质量很困难。
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,包括第一推荐模块、情感识别模块和综合推荐模块,所述第一推荐模块用于向用户推荐音乐,生成音乐推荐列表,所述情感识别模块用于确定音乐推荐列表中音乐的情感特征和用户的情感特征,所述综合推荐模块用于对所述用户的情感特征和音乐的情感特征进行匹配,生成与用户情感特征相匹配的最终音乐推荐结果。
本发明的有益效果为:实现了音乐准确推荐,结合用户情感进行推荐,提升了用户体验。
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:
第一推荐模块1、情感识别模块2、综合推荐模块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,包括第一推荐模块1、情感识别模块2和综合推荐模块3,所述第一推荐模块1用于向用户推荐音乐,生成音乐推荐列表,所述情感识别模块2用于确定音乐推荐列表中音乐的情感特征和用户的情感特征,所述综合推荐模块3用于对所述用户的情感特征和音乐的情感特征进行匹配,生成与用户情感特征相匹配的最终音乐推荐结果。
本实施例实现了音乐准确推荐,结合用户情感进行推荐,提升了用户体验。
优选的,所述第一推荐模块1包括一次建模子模块、二次音乐推荐子模块和三次评价子模块,所述一次建模子模块用于建立用户和音乐的连接模型,所述二次音乐推荐子模块用于根据连接模型向用户推荐音乐,所述三次评价子模块用于对所述二次音乐推荐子模块的推荐效果进行评价;所述一次建模子模块用于建立用户和音乐的连接模型,具体为:设有m个用户,n个音乐,对应的用户集为Y={y1,y2,…,ym},音乐集为F={f1,f2,…,fn},如果用户i选择过音乐j,就在用户i和音乐j之间产生连接边aij=1,否则用户i和音乐j之间无连接边aij=0,初始化用户选择过的音乐所拥有的资源。
本优选实施例第一推荐模块实现了向用户准确推荐音乐和对推荐效果的评价
优选的,所述二次音乐推荐子模块包括初步处理单元、二次处理单元和推荐列表生成单元,所述初步处理单元用于计算音乐向用户扩散的资源份额,所述二次处理单元用于计算用户向音乐扩散的资源份额,所述推荐列表生成单元用于根据初步处理单元和和二次处理单元计算结果生成推荐列表;
所述初步处理单元用于计算音乐向用户扩散的资源份额,具体为:
a、对于给定用户,将其选择过的音乐的初始资源设为1,没选择过音乐的初始资源设为0,得到一个n维向量,该向量用于表示该用户对应的音乐的初始资源构成,b、每个音乐节点将其拥有的资源均匀得扩散给与其相连的用户节点,对于连接音乐j的一个用户l来说,l∈(y1,y2,…,ym),计算它从音乐j那里得到的资源份额:在式子里,RUlj表示用户l从音乐j那里获得的资源份额,alj表示用户l和音乐j的连接边,表示音乐j被选择过的用户数目。
所述二次处理单元用于计算用户向音乐扩散的资源份额,具体为:
用户l把它收到的资源扩散回与它相连的音乐,对于音乐t,t∈{f1,f2,…,fn},计算它收到用户l扩散给它的资源份额:在式子里,MHtl表示音乐t从用户l那里获得的资源份额,alt表示用户l和音乐t的连接边,k(t)表示音乐t被选择过的用户数目,vlt表示用户l对音乐t的评分,表示用户l选择过的音乐的数目,k(s)表示音乐s被选择过的用户数目,vls表示用户l对音乐s的评分。
所述推荐列表生成单元用于根据初步处理单元和和二次处理单元计算结果生成推荐列表,具体为:
计算音乐j经用户l扩散给音乐t的资源份额:
在式子里,表示音乐t经用户l从音乐j处获得的资源份额;计算音乐j经所有用户扩散给音乐t的资源总份额:在式子里,DTtj表示音乐t经所有用户最终从音乐j处获得的资源总份额,音乐之间的关系可以用分配矩阵DT={DTtj}表示;对于不同的用户,其音乐集的初始化资源构成不同,经过两步资源扩散后,音乐的资源变为:z′=DTz,在式子里,z表示音乐的初始资源集合,E表示分配矩阵,z'表示扩散后的音乐的资源集合;得到新的资源集合z′后,根据音乐对应的资源的大小对音乐集合中的音乐进行排序,资源值越大的音乐排在越前面,最后生成面向目标用户的初步推荐列表,将该列表中前L个音乐推荐给用户。
本优选实施例二次音乐推荐子模块缓解了数据稀疏性和冷启动问题,提高了音乐推荐质量,同时满足了用户和企业的需求,具体的,考虑用户和音乐节点具有的不同吸引力,依据不同的吸引力,用户和音乐节点可获得不同的资源,通过计算这些资源大小并排序,得出音乐推荐列表。
优选的,所述三次评价子模块包括第一效果评价单元、第二效果评价单元和综合效果评价单元,所述第一效果评价单元用于获取推荐效果的第一评价值,所述第二效果评价单元用于获取推荐效果的第二评价值,所述综合效果评价单元根据第一评价值和第二评价值对推荐效果进行评价;
所述第一效果评价单元采用下式获取推荐效果的第一评价值:
在式子里,RX1表示推荐效果的第一评价值,L表示推荐列表中的音乐数目,Ll表示用户l从推荐音乐中选择的音乐的数目,rl表示被用户l选择过的音乐在推荐列表中的排序的平均值,所述第一评价值越大,表明推荐准确性越高;
所述第二效果评价单元采用下式获取推荐效果的第二评价值:
在式子里,RX2表示推荐效果的第二评价值,Cil表示任意两个用户i和l推荐列表中重叠的音乐的数目,所述第二评价值越大,表明推荐的多样性越好;
所述综合效果评价单元根据第一评价值和第二评价值对推荐效果进行评价,采用评价因子进行,所述评价因子采用下式计算:
在式子里,RX表示推荐效果的评价因子,所述评价因子越大,表示推荐效果越好。
本优选实施例三次评价子模块通过计算第一评价值,实现了推荐准确性的评价,通过计算第二评价值,实现了推荐多样性的评价,通过计算评价因子,实现了推荐效果的综合评价,保证了推荐质量。
采用本发明智能音乐推荐系统进行音乐推荐,选取5个用户进行实验,分别为用户1、用户2、用户3、用户4、用户5,对推荐效率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:
推荐效率提高 | 用户满意度提高 | |
用户1 | 29% | 28% |
用户2 | 27% | 29% |
用户3 | 26% | 25% |
用户4 | 25% | 23% |
用户5 | 24% | 21% |
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 (7)
1.一种智能音乐推荐系统,其特征在于,包括第一推荐模块、情感识别模块和综合推荐模块,所述第一推荐模块用于向用户推荐音乐,生成音乐推荐列表,所述情感识别模块用于确定音乐推荐列表中音乐的情感特征和用户的情感特征,所述综合推荐模块用于对所述用户的情感特征和音乐的情感特征进行匹配,生成与用户情感特征相匹配的最终音乐推荐结果。
2.根据权利要求1所述的智能音乐推荐系统,其特征在于,所述第一推荐模块包括一次建模子模块、二次音乐推荐子模块和三次评价子模块,所述一次建模子模块用于建立用户和音乐的连接模型,所述二次音乐推荐子模块用于根据连接模型向用户推荐音乐,所述三次评价子模块用于对所述二次音乐推荐子模块的推荐效果进行评价;所述一次建模子模块用于建立用户和音乐的连接模型,具体为:设有m个用户,n个音乐,对应的用户集为Y={y1,y2,…,ym},音乐集为F={f1,f2,…,fn},如果用户i选择过音乐j,就在用户i和音乐j之间产生连接边aij=1,否则用户i和音乐j之间无连接边aij=0,初始化用户选择过的音乐所拥有的资源。
3.根据权利要求2所述的智能音乐推荐系统,其特征在于,所述二次音乐推荐子模块包括初步处理单元、二次处理单元和推荐列表生成单元,所述初步处理单元用于计算音乐向用户扩散的资源份额,所述二次处理单元用于计算用户向音乐扩散的资源份额,所述推荐列表生成单元用于根据初步处理单元和和二次处理单元计算结果生成推荐列表;
所述初步处理单元用于计算音乐向用户扩散的资源份额,具体为:
a、对于给定用户,将其选择过的音乐的初始资源设为1,没选择过音乐的初始资源设为0,得到一个n维向量,该向量用于表示该用户对应的音乐的初始资源构成,b、每个音乐节点将其拥有的资源均匀得扩散给与其相连的用户节点,对于连接音乐j的一个用户l来说,l∈(y1,y2,…,ym),计算它从音乐j那里得到的资源份额:在式子里,RUlj表示用户l从音乐j那里获得的资源份额,alj表示用户l和音乐j的连接边,表示音乐j被选择过的用户数目。
4.根据权利要求3所述的智能音乐推荐系统,其特征在于,所述二次处理单元用于计算用户向音乐扩散的资源份额,具体为:
用户l把它收到的资源扩散回与它相连的音乐,对于音乐t,t∈{f1,f2,…,fn},计算它收到用户l扩散给它的资源份额:在式子里,MHtl表示音乐t从用户l那里获得的资源份额,alt表示用户l和音乐t的连接边,k(t)表示音乐t被选择过的用户数目,vlt表示用户l对音乐t的评分,表示用户l选择过的音乐的数目,k(s)表示音乐s被选择过的用户数目,vls表示用户l对音乐s的评分。
5.根据权利要求4所述的智能音乐推荐系统,其特征在于,所述推荐列表生成单元用于根据初步处理单元和和二次处理单元计算结果生成推荐列表,具体为:
计算音乐j经用户l扩散给音乐t的资源份额:
在式子里,表示音乐t经用户l从音乐j处获得的资源份额;计算音乐j经所有用户扩散给音乐t的资源总份额:在式子里,DTtj表示音乐t经所有用户最终从音乐j处获得的资源总份额,音乐之间的关系可以用分配矩阵DT={DTtj}表示;对于不同的用户,其音乐集的初始化资源构成不同,经过两步资源扩散后,音乐的资源变为:z′=DTz,在式子里,z表示音乐的初始资源集合,E表示分配矩阵,z′表示扩散后的音乐的资源集合;得到新的资源集合z′后,根据音乐对应的资源的大小对音乐集合中的音乐进行排序,资源值越大的音乐排在越前面,最后生成面向目标用户的初步推荐列表,将该列表中前L个音乐推荐给用户。
6.根据权利要求5所述的智能音乐推荐系统,其特征在于,所述三次评价子模块包括第一效果评价单元、第二效果评价单元和综合效果评价单元,所述第一效果评价单元用于获取推荐效果的第一评价值,所述第二效果评价单元用于获取推荐效果的第二评价值,所述综合效果评价单元根据第一评价值和第二评价值对推荐效果进行评价。
7.根据权利要求6所述的智能音乐推荐系统,其特征在于,所述第一效果评价单元采用下式获取推荐效果的第一评价值:
在式子里,RX1表示推荐效果的第一评价值,L表示推荐列表中的音乐数目,Ll表示用户l从推荐音乐中选择的音乐的数目,rl表示被用户l选择过的音乐在推荐列表中的排序的平均值,所述第一评价值越大,表明推荐准确性越高;
所述第二效果评价单元采用下式获取推荐效果的第二评价值:
在式子里,RX2表示推荐效果的第二评价值,Cil表示任意两个用户i和l推荐列表中重叠的音乐的数目,所述第二评价值越大,表明推荐的多样性越好;
所述综合效果评价单元根据第一评价值和第二评价值对推荐效果进行评价,采用评价因子进行,所述评价因子采用下式计算:
在式子里,RX表示推荐效果的评价因子,所述评价因子越大,表示推荐效果越好。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810006049.6A CN108228831B (zh) | 2018-01-03 | 2018-01-03 | 一种智能音乐推荐系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810006049.6A CN108228831B (zh) | 2018-01-03 | 2018-01-03 | 一种智能音乐推荐系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108228831A true CN108228831A (zh) | 2018-06-29 |
CN108228831B CN108228831B (zh) | 2020-01-07 |
Family
ID=62642701
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810006049.6A Active CN108228831B (zh) | 2018-01-03 | 2018-01-03 | 一种智能音乐推荐系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108228831B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111026934A (zh) * | 2019-12-20 | 2020-04-17 | 中科寒武纪科技股份有限公司 | 智能推荐方法及相关设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150297109A1 (en) * | 2014-04-22 | 2015-10-22 | Interaxon Inc. | System and method for associating music with brain-state data |
CN106202073A (zh) * | 2015-04-30 | 2016-12-07 | 中国电信股份有限公司 | 音乐推荐方法及系统 |
CN107506488A (zh) * | 2017-09-21 | 2017-12-22 | 程丹秋 | 一种智能音乐推荐系统 |
-
2018
- 2018-01-03 CN CN201810006049.6A patent/CN108228831B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150297109A1 (en) * | 2014-04-22 | 2015-10-22 | Interaxon Inc. | System and method for associating music with brain-state data |
CN106202073A (zh) * | 2015-04-30 | 2016-12-07 | 中国电信股份有限公司 | 音乐推荐方法及系统 |
CN107506488A (zh) * | 2017-09-21 | 2017-12-22 | 程丹秋 | 一种智能音乐推荐系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111026934A (zh) * | 2019-12-20 | 2020-04-17 | 中科寒武纪科技股份有限公司 | 智能推荐方法及相关设备 |
Also Published As
Publication number | Publication date |
---|---|
CN108228831B (zh) | 2020-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Debnath et al. | Feature weighting in content based recommendation system using social network analysis | |
Bickel et al. | A nonparametric view of network models and Newman–Girvan and other modularities | |
US9613164B2 (en) | System and method for data management in large data networks | |
CN110457581A (zh) | 一种资讯推荐方法、装置、电子设备及存储介质 | |
Hwang et al. | An extension of multiple correspondence analysis for identifying heterogeneous subgroups of respondents | |
CN105205081B (zh) | 物品推荐方法和装置 | |
CN110674407A (zh) | 基于图卷积神经网络的混合推荐方法 | |
CN109741120B (zh) | 用于用户需求的产品深度个性化定制方法 | |
Azevedo et al. | Strategyproofness in the large as a desideratum for market design. | |
CN108595461A (zh) | 兴趣探索方法、存储介质、电子设备及系统 | |
CN102129631B (zh) | Spu属性聚合的方法、设备和系统 | |
CN110032606A (zh) | 一种样本聚类方法及装置 | |
CN106951527B (zh) | 一种歌曲推荐方法及装置 | |
Grad-Gyenge et al. | Graph embedding based recommendation techniques on the knowledge graph | |
CN108319646A (zh) | 基于用户历史行为的车源搜索方法及装置 | |
CN110234155A (zh) | 一种基于改进topsis的超密集网络接入选择方法 | |
CN111581516A (zh) | 投资产品的推荐方法及相关装置 | |
Chen et al. | Collaborative filtering based on demographic attribute vector | |
CN105825872A (zh) | 歌曲的难度确定方法和装置 | |
CN106776863A (zh) | 文本相关度的确定方法、查询结果的推送方法及装置 | |
CN110473073A (zh) | 线性加权推荐的方法及装置 | |
WO2022126982A1 (zh) | 聊天群组创建方法、装置、设备及存储介质 | |
CN110533453A (zh) | 基于用户匹配的产品推荐方法、装置、计算机设备 | |
CN112380299A (zh) | 关系网络构建方法、装置及存储介质 | |
CN108228831A (zh) | 一种智能音乐推荐系统 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20191213 Address after: 224000 Room 202, building 3, No.49, Wengang South Road, Juheng community, Xinhe sub district office, Chengnan New District, Yancheng City, Jiangsu Province Applicant after: Jiangsu Yibang Information Technology Co., Ltd Address before: 234000 Anhui province Yongqiao District of Suzhou city streets near the river Applicant before: Wei Deyong |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |