CN110442746A - 一种基于随机森林算法的智能音乐推送方法及存储介质 - Google Patents

一种基于随机森林算法的智能音乐推送方法及存储介质 Download PDF

Info

Publication number
CN110442746A
CN110442746A CN201910583330.0A CN201910583330A CN110442746A CN 110442746 A CN110442746 A CN 110442746A CN 201910583330 A CN201910583330 A CN 201910583330A CN 110442746 A CN110442746 A CN 110442746A
Authority
CN
China
Prior art keywords
user
characteristic information
song
music
push
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
Application number
CN201910583330.0A
Other languages
English (en)
Other versions
CN110442746B (zh
Inventor
袁国文
张彩霞
陈锐
李纲
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.)
Foshan University
Original Assignee
Foshan 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 Foshan University filed Critical Foshan University
Priority to CN201910583330.0A priority Critical patent/CN110442746B/zh
Publication of CN110442746A publication Critical patent/CN110442746A/zh
Application granted granted Critical
Publication of CN110442746B publication Critical patent/CN110442746B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G06F16/68—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/686—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, title or artist information, time, location or usage information, user ratings
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • 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

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Library & Information Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及一种基于随机森林算法的智能音乐推送方法及存储介质，包括以下：步骤1、获取用户的特征信息I，获取样本库歌曲的特征信息O，将特征信息I和O整合得到特征信息P；步骤2、构件用于预测用户喜好的音乐的随机森林，并结合特征信息P进行训练得到用于预测用户喜好的音乐的随机森林模型；步骤3、获取需要进行推送的歌曲以及需要推送的用户，将需要进行推送的歌曲以及需要推送的用户按照步骤1得到整合的特征信息，将整合的特征信息输入所述随机森林模型得到用户喜爱程度指数L，若L大于设定的阈值Q则将该歌曲推送给用户。本发明通过在随机森林算法为基础进行音乐推送，推送的音乐符合人们的兴趣爱好，易于进行推广。

Description

一种基于随机森林算法的智能音乐推送方法及存储介质
技术领域
本发明涉及大数据推送领域，尤其涉及一种基于随机森林算法的智能音乐推送方法及存储介质。
背景技术
随着大数据时代的到来，人们往往浪费大量时间去寻找有用信息，相同的问题也发生在音乐领域，每年都有大量的音乐被创作并上传到各大音乐平台，而如何吸引用户使用自己的音乐平台，则取决于好的音乐质量以及符合用户品味，基于此，推送系统应运而生。
而推送算法是推送系统的核心，推送算法的优劣直接影响系统的性能。其中以分类为基础的推送算法具有较好的性能，比如SVM算法、协同过滤算法、以及随机森林算法等。
其中SVM算法对大规模训练样本难以实施且难以处理多分类问题。协同过滤算法不具有可扩展性，推送质量过度依赖数据集，在小样本时，性能不佳。随进森林是决策树的集成算法，它不仅解决了决策树的过拟合以及内存问题并提高了准确度，是推送算法中性能较好，潜力较强的算法。
当今市场急需一种基于随机森林算法的智能音乐推送方法及存储介质，能够以随机森林算法为基础构件一个较为精确的、符合人们爱好的音乐推送方法，能够让人们更为方便地就能欣赏到符合自身审美标准的音乐。
发明内容
本发明的目的是解决现有技术的不足，提供一种基于随机森林算法的智能音乐推送方法及存储介质。
为了实现上述目的，本发明采用以下的技术方案：
提出一种基于随机森林算法的智能音乐推送方法及存储介质，包括以下：
步骤1、获取用户的特征信息I，获取样本库歌曲的特征信息O，将特征信息I和O整合得到特征信息P；
步骤2、构件用于预测用户喜好的音乐的随机森林，并结合特征信息P进行训练得到用于预测用户喜好的音乐的随机森林模型；
步骤3、获取需要进行推送的歌曲以及需要推送的用户，将需要进行推送的歌曲以及需要推送的用户按照步骤1得到整合的特征信息，将整合的特征信息输入所述随机森林模型得到用户喜爱程度指数L，若L大于设定的阈值Q则将该歌曲推送给用户。
进一步，上述步骤1中用户的特征信息I包括用户所在的城市、用户的年龄、用户的性别以及用户的学历；获取所述特征信息I的方式为，设置一个用户注册登录的窗口，用户通过填写所述特征信息I完成注册。
进一步，上述步骤1中样本库歌曲的特征信息O包括歌曲的名称、歌曲演唱的歌手、歌曲的风格以及歌曲的时常；获取所述特征信息O的方式为，根据歌曲的信息在将歌曲选入样本库时自动获取。
进一步，上述步骤1中的特征信息P包括特征信息I、特征信息O、用户对样本库歌曲是否收藏的信息以及样本库歌曲在阈值时间内的播放热度信息。
进一步，上述步骤2中进行构建随机森林模型的方法包括以下：
步骤21、从样本库歌曲中，采用bootstrap方法有放回地随机抽取M个新的自助样本集，并根据所述自助样本集构建M棵分类回归树，每次未被抽到的样本组成M个袋外数据；
步骤22、将特征信息P的个数定义为n个，在每一棵树的每个节点处随机抽取m个特征，m≤n，通过计算信息增益的方式在m各特征中选择最具有分类能力的特征进行节点分裂；
步骤23、使每棵树最大限度地生长，不进行剪枝操作；
步骤24、将生成的K棵树组成随机森林，并生成随机森林模型，所述随机森林模型通过投票的方式对用户进行音乐推送，若投票为推送的树的数量占K的比例即用户喜爱程度指数L不低于阈值Q，则对该用户进行音乐推送。
进一步，上述步骤22中计算信息增益的方法为通过ID3算法进行计算，具体包括以下：
若特征信息P中的子特征p将样本库歌曲集T划分为T1、T2、…Tj共j个子集，则该子特征p的信息增益为
其中，M为歌曲集T的个数与步骤21中的M数值相同，|Tj|为子集中属于Tj的样本个数，freq(Cj,T)为T的样本属于Cj类别的频率，s是T中样本的类别数量。
进一步，上述步骤24中的进行投票的方式为：
定义C为需要进行推送标签，则其中M为树的数量，I(*)为示性函数，c为单棵树hi对类C的分类结果，是树hi的叶子节点数，若C的权值大于阈值H，则代表单棵树hi赞成将该歌曲推送给用户。
还提出一种计算机可读存储的介质，所述计算机可读存储的介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述方法的步骤。
本发明的有益效果为：
本发明通过在随机森林算法为基础结合用户的自身特征以及音乐的特征，建立随机森林，并采用投票的方式进行音乐推送，无需进行剪枝，符合人们的兴趣爱好，易于进行推广。
附图说明
图1所示为一种基于随机森林算法的智能音乐推送方法流程图；
图2所示为建立随机森林模型的方法流程图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。附图中各处使用的相同的附图标记指示相同或相似的部分。
结合图1以及图2，本发明提出一种基于随机森林算法的智能音乐推送方法及存储介质，包括以下：
步骤1、获取用户的特征信息I，获取样本库歌曲的特征信息O，将特征信息I和O整合得到特征信息P；
步骤2、构件用于预测用户喜好的音乐的随机森林，并结合特征信息P进行训练得到用于预测用户喜好的音乐的随机森林模型；
步骤3、获取需要进行推送的歌曲以及需要推送的用户，将需要进行推送的歌曲以及需要推送的用户按照步骤1得到整合的特征信息，将整合的特征信息输入所述随机森林模型得到用户喜爱程度指数L，若L大于设定的阈值Q则将该歌曲推送给用户。
作为本方案的优选实施方式，上述步骤1中用户的特征信息I包括用户所在的城市、用户的年龄、用户的性别以及用户的学历；获取所述特征信息I的方式为，设置一个用户注册登录的窗口，用户通过填写所述特征信息I完成注册。
作为本方案的优选实施方式，上述步骤1中样本库歌曲的特征信息O包括歌曲的名称、歌曲演唱的歌手、歌曲的风格以及歌曲的时常；获取所述特征信息O的方式为，根据歌曲的信息在将歌曲选入样本库时自动获取。
作为本方案的优选实施方式，上述步骤1中的特征信息P包括特征信息I、特征信息O、用户对样本库歌曲是否收藏的信息以及样本库歌曲在阈值时间内的播放热度信息。其中获取歌曲在阈值时间内的播放热度信息可以通过广延指数函数分析获取，通过获取歌曲的点播次数分析得到。
作为本方案的优选实施方式，上述步骤2中进行构建随机森林模型的方法包括以下：
步骤21、从样本库歌曲中，采用bootstrap方法有放回地随机抽取M个新的自助样本集，并根据所述自助样本集构建M棵分类回归树，每次未被抽到的样本组成M个袋外数据，可以通过生成的袋外数据进行模型的验证；
步骤22、将特征信息P的个数定义为n个，在每一棵树的每个节点处随机抽取m个特征，m≤n，通过计算信息增益的方式在m各特征中选择最具有分类能力的特征进行节点分裂；
步骤23、使每棵树最大限度地生长，不进行剪枝操作；
步骤24、将生成的K棵树组成随机森林，并生成随机森林模型，所述随机森林模型通过投票的方式对用户进行音乐推送，若投票为推送的树的数量占K的比例即用户喜爱程度指数L不低于阈值Q，则对该用户进行音乐推送。
作为本方案的优选实施方式，上述步骤22中计算信息增益的方法为通过ID3算法进行计算，具体包括以下：
若特征信息P中的子特征p将样本库歌曲集T划分为T1、T2、…Tj共j个子集，则该子特征p的信息增益为
其中，M为歌曲集T的个数与步骤21中的M数值相同，|Tj|为子集中属于Tj的样本个数，freq(Cj,T)为T的样本属于Cj类别的频率，s是T中样本的类别数量。
作为本方案的优选实施方式，上述步骤24中的进行投票的方式为：
定义C为需要进行推送标签，则其中M为树的数量，I(*)为示性函数，c为单棵树hi对类C的分类结果，是树hi的叶子节点数，若C的权值大于阈值H，则代表单棵树hi赞成将该歌曲推送给用户。
还提出一种计算机可读存储的介质，所述计算机可读存储的介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述方法的步骤。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储的介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，而是应当将其视作是通过参考所附权利要求考虑到现有技术为这些权利要求提供广义的可能性解释，从而有效地涵盖本发明的预定范围。此外，上文以发明人可预见的实施例对本发明进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。
以上所述，只是本发明的较佳实施例而已，本发明并不局限于上述实施方式，只要其以相同的手段达到本发明的技术效果，都应属于本发明的保护范围。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。

Claims (8)

1.一种基于随机森林算法的智能音乐推送方法，其特征在于，包括以下：
步骤1、获取用户的特征信息I，获取样本库歌曲的特征信息O，将特征信息I和O整合得到特征信息P；
步骤2、构件用于预测用户喜好的音乐的随机森林，并结合特征信息P进行训练得到用于预测用户喜好的音乐的随机森林模型；
步骤3、获取需要进行推送的歌曲以及需要推送的用户，将需要进行推送的歌曲以及需要推送的用户按照步骤1得到整合的特征信息，将整合的特征信息输入所述随机森林模型得到用户喜爱程度指数L，若L大于设定的阈值Q则将该歌曲推送给用户。
2.根据权利要求1所述的一种基于随机森林算法的智能音乐推送方法，其特征在于，上述步骤1中用户的特征信息I包括用户所在的城市、用户的年龄、用户的性别以及用户的学历；获取所述特征信息I的方式为，设置一个用户注册登录的窗口，用户通过填写所述特征信息I完成注册。
3.根据权利要求2所述的一种基于随机森林算法的智能音乐推送方法，其特征在于，上述步骤1中样本库歌曲的特征信息O包括歌曲的名称、歌曲演唱的歌手、歌曲的风格以及歌曲的时常；获取所述特征信息O的方式为，根据歌曲的信息在将歌曲选入样本库时自动获取。
4.根据权利要求3所述的一种基于随机森林算法的智能音乐推送方法，其特征在于，上述步骤1中的特征信息P包括特征信息I、特征信息O、用户对样本库歌曲是否收藏的信息以及样本库歌曲在阈值时间内的播放热度信息。
5.根据权利要求4所述的一种基于随机森林算法的智能音乐推送方法，其特征在于，上述步骤2中进行构建随机森林模型的方法包括以下：
步骤21、从样本库歌曲中，采用bootstrap方法有放回地随机抽取M个新的自助样本集，并根据所述自助样本集构建M棵分类回归树，每次未被抽到的样本组成M个袋外数据；
步骤22、将特征信息P的个数定义为n个，在每一棵树的每个节点处随机抽取m个特征，m≤n，通过计算信息增益的方式在m各特征中选择最具有分类能力的特征进行节点分裂；
步骤23、使每棵树最大限度地生长，不进行剪枝操作；
步骤24、将生成的K棵树组成随机森林，并生成随机森林模型，所述随机森林模型通过投票的方式对用户进行音乐推送，若投票为推送的树的数量占K的比例即用户喜爱程度指数L不低于阈值Q，则对该用户进行音乐推送。
6.根据权利要求5所述的一种基于随机森林算法的智能音乐推送方法，其特征在于，上述步骤22中计算信息增益的方法为通过ID3算法进行计算，具体包括以下：
若特征信息P中的子特征p将样本库歌曲集T划分为T1、T2、…Tj共j个子集，则该子特征p的信息增益为
其中，M为歌曲集T的个数与步骤21中的M数值相同，|Tj|为子集中属于Tj的样本个数，freq(Cj,T)为T的样本属于Cj类别的频率，s是T中样本的类别数量。
7.根据权利要求5所述的一种基于随机森林算法的智能音乐推送方法，其特征在于，上述步骤24中的进行投票的方式为：
定义C为需要进行推送标签，则其中M为树的数量，I(*)为示性函数，c为单棵树hi对类C的分类结果，是树hi的叶子节点数，若C的权值大于阈值H，则代表单棵树hi赞成将该歌曲推送给用户。
8.一种计算机可读存储的介质，所述计算机可读存储的介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述方法的步骤。
CN201910583330.0A 2019-07-01 2019-07-01 一种基于随机森林算法的智能音乐推送方法及存储介质 Active CN110442746B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910583330.0A CN110442746B (zh) 2019-07-01 2019-07-01 一种基于随机森林算法的智能音乐推送方法及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910583330.0A CN110442746B (zh) 2019-07-01 2019-07-01 一种基于随机森林算法的智能音乐推送方法及存储介质

Publications (2)

Publication Number Publication Date
CN110442746A true CN110442746A (zh) 2019-11-12
CN110442746B CN110442746B (zh) 2023-04-28

Family

ID=68429332

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910583330.0A Active CN110442746B (zh) 2019-07-01 2019-07-01 一种基于随机森林算法的智能音乐推送方法及存储介质

Country Status (1)

Country Link
CN (1) CN110442746B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111192662A (zh) * 2020-01-06 2020-05-22 佛山科学技术学院 一种基于随机森林算法的医疗图像处理方法及存储介质
CN111242723A (zh) * 2020-01-02 2020-06-05 平安科技（深圳）有限公司 用户子女情况判断方法、服务器及计算机可读存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103327107A (zh) * 2013-06-27 2013-09-25 苏州创智宏云信息科技有限公司 一种音乐共享电台的信息推送方法
CN106778836A (zh) * 2016-11-29 2017-05-31 天津大学 一种基于约束条件的随机森林推荐算法
CN107507068A (zh) * 2017-09-02 2017-12-22 广东奡风科技股份有限公司 一种基于随机森林算法的金融产品实时推荐方法
CN108076154A (zh) * 2017-12-21 2018-05-25 广东欧珀移动通信有限公司 应用信息推荐方法、装置及存储介质和服务器
CN108509534A (zh) * 2018-03-15 2018-09-07 华南理工大学 基于深度学习的个性化音乐推荐系统及其实现方法
CN108920709A (zh) * 2018-07-22 2018-11-30 西安电子科技大学 基于随机森林修正的大数据下改进协同过滤推荐方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103327107A (zh) * 2013-06-27 2013-09-25 苏州创智宏云信息科技有限公司 一种音乐共享电台的信息推送方法
CN106778836A (zh) * 2016-11-29 2017-05-31 天津大学 一种基于约束条件的随机森林推荐算法
CN107507068A (zh) * 2017-09-02 2017-12-22 广东奡风科技股份有限公司 一种基于随机森林算法的金融产品实时推荐方法
CN108076154A (zh) * 2017-12-21 2018-05-25 广东欧珀移动通信有限公司 应用信息推荐方法、装置及存储介质和服务器
CN108509534A (zh) * 2018-03-15 2018-09-07 华南理工大学 基于深度学习的个性化音乐推荐系统及其实现方法
CN108920709A (zh) * 2018-07-22 2018-11-30 西安电子科技大学 基于随机森林修正的大数据下改进协同过滤推荐方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
MSIA: "DJ RANDOM FOREST: SONG RECOMMENDATIONS THROUGH MACHINE LEARNING", 《HTTPS://SITES.NORTHWESTERN.EDU/MSIA/2018/02/09/DJ-RANDOM-FOREST-SONG-RECOMMENDATIONS-THROUGH-MACHINE-LEARNING/》 *
沈晶磊等: "基于随机森林算法的推荐系统的设计与实现", 《计算机科学》 *
郑树泉等: "《工业智能技术与应用》", 31 January 2019, 上海科学技术出版社 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111242723A (zh) * 2020-01-02 2020-06-05 平安科技（深圳）有限公司 用户子女情况判断方法、服务器及计算机可读存储介质
CN111242723B (zh) * 2020-01-02 2020-09-15 平安科技（深圳）有限公司 用户子女情况判断方法、服务器及计算机可读存储介质
CN111192662A (zh) * 2020-01-06 2020-05-22 佛山科学技术学院 一种基于随机森林算法的医疗图像处理方法及存储介质
CN111192662B (zh) * 2020-01-06 2023-08-22 佛山科学技术学院 一种基于随机森林算法的医疗图像处理方法及存储介质

Also Published As

Publication number Publication date
CN110442746B (zh) 2023-04-28

Similar Documents

Publication Publication Date Title
CN108509534B (zh) 基于深度学习的个性化音乐推荐系统及其实现方法
CN102654859B (zh) 一种歌曲推荐方法及系统
CN101984437B (zh) 音乐资源个性化推荐方法及系统
Ellis et al. The quest for ground truth in musical artist similarity
CN102222080B (zh) 基于用户偏好的乐曲内容收集
CN102654860B (zh) 一种个性化音乐推荐方法及系统
CN104281622B (zh) 一种社交媒体中的信息推荐方法和装置
CN107977373B (zh) 一种歌曲的推荐方法
US20160147876A1 (en) Systems and methods for customized music selection and distribution
CN105095470B (zh) 用于应用程序的数据推荐方法及装置
CN103455538B (zh) 信息处理装置、信息处理方法和程序
CN105975496A (zh) 一种基于上下文感知的音乐推荐方法及装置
JPH1152965A (ja) 通信カラオケシステムおよびカラオケ演奏端末
CA2610038A1 (en) Providing community-based media item ratings to users
RU2012128500A (ru) Способ синхронизации цифрового мультимедийного контента
CN110442746A (zh) 一种基于随机森林算法的智能音乐推送方法及存储介质
WO2007077991A1 (ja) 情報処理装置および方法、並びにプログラム
CN107967280A (zh) 一种标签推荐歌曲的方法及系统
CN111625685B (zh) 音乐电台呈现方法与装置、视频数据分类方法与装置
JP2020113284A (ja) 音楽年齢に基づいて音楽コンテンツを推薦する方法及び装置
KR102100963B1 (ko) 음악 발견을 위한 음악 추천 서비스 장치 및 이를 이용한 시스템과 그 추천 방법
CN106775567B (zh) 一种音效匹配方法及系统
Jun et al. Social mix: automatic music recommendation and mixing scheme based on social network analysis
CN108205536B (zh) 歌曲列表生成方法及装置
CN111598645A (zh) 一种融合随机森林与协同过滤二手房推荐方法

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
GR01 Patent grant
GR01 Patent grant