CN111488484A - 基于类指数分布和tf-idf特征的歌曲推荐方法、介质和装置 - Google Patents
基于类指数分布和tf-idf特征的歌曲推荐方法、介质和装置 Download PDFInfo
- Publication number
- CN111488484A CN111488484A CN202010301376.1A CN202010301376A CN111488484A CN 111488484 A CN111488484 A CN 111488484A CN 202010301376 A CN202010301376 A CN 202010301376A CN 111488484 A CN111488484 A CN 111488484A
- Authority
- CN
- China
- Prior art keywords
- song
- user
- songs
- requested
- users
- 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
Images
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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- 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)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于类指数分布和TF‑IDF特征的歌曲推荐方法、介质和装置,通过引入TF‑IDF统计算法,计算用户的特征歌曲,而不再使用所有的歌曲进行计算,大幅度减小了计算量。同时,通过改进现有的皮尔逊有关系数的计算,不再依赖于所有歌曲的频率计算,而是依据特征歌曲的单独概率计算,选出相似用户,也大幅减小了计算量,加快了计算速度,同时确保了歌曲推荐的准确性没有明显下降。
Description
技术领域
本发明涉及机器学习技术,具体涉及一种基于类指数分布和TF-IDF特征的歌曲推荐方法、介质和装置。
背景技术
在智能设备上收听音乐已经成为音乐爱好者的日常习惯。当用户使用音乐app点播音乐时,app可以向用户推荐歌曲。现有的歌曲推荐方式有混合协同推荐系统方案,其缺点如下:
·在歌曲推荐方面:需要计算所有用户的所有歌曲点播信息,计算量大;
·在用户推荐方面:需要计算每个用户所有点播歌曲的N*1矩阵信息,计算量也巨大。
发明内容
本发明要解决的技术问题是,提供一种基于类指数分布和TF-IDF特征的歌曲推荐方法、介质和装置,以解决现有的歌曲推荐方式需要计算所有用户的所有歌曲点播信息和每个用户的所有点播歌曲的N*1矩阵信息,计算量大的问题。
本发明是通过如下技术方案实现的:
一种基于类指数分布和TF-IDF特征的歌曲推荐方法,包括:
判断用户a是否为老用户,如果不是,则采用基于类指数分布的歌曲推荐方法向用户a推荐歌曲,如果是,则采用基于TF-IDF特征的歌曲推荐方法和基于类指数分布的歌曲推荐方法相结合的方法向用户a推荐歌曲;
采用基于TF-IDF特征的歌曲推荐方法向用户a推荐歌曲的步骤包括:
计算每个用户点播过的歌曲中的每首歌曲在该用户点播过的歌曲中的点播词频TF,计算公式为TFai=Tai/Ta,其中,TFai为用户a点播过的歌曲中歌曲i在用户a点播过的歌曲中的点播词频,Tai为用户a点播歌曲i的次数,Ta为用户a的点歌总次数;
同时,计算每首被点播过的歌曲的点播逆向文件频率IDF,计算公式为IDFi=log(M/Ni),其中,IDFi为被点播过的歌曲i的点播逆向文件频率,M为用户总数,Ni为点播过歌曲i的用户数;
将各用户点播过的歌曲中TF值与IDF值乘积最大的前第一预设数量首歌曲作为各用户的特征歌曲;
计算各用户的每首特征歌曲的比重值,计算公式为Pak=Rak/Ra,其中,Pak为用户a的特征歌曲k的比重值,Rak为用户a点播特征歌曲k的次数,Ra为用户a点播所有其特征歌曲的次数;
将用户a与其他用户的相同特征歌曲的比重值的乘积求和,得到用户a其他各用户之间的相关系数;
取与用户a相关系数最大的前第二预设数量个用户作为用户a的相近用户,并从用户a的各相近用户的特征歌曲中选择第三预设数量首歌曲向用户a进行推荐;
采用基于类指数分布的歌曲推荐方法向用户a推荐歌曲的步骤包括:
筛选各被点播过的歌曲的相关歌曲,其中,任一被点播过的歌曲i的相关歌曲的筛选方法为:
对歌曲i被点播时的前后第四预设数量首歌曲与歌曲i的相关系数赋值;
将歌曲i每次被点播时的前后第四预设数量首歌曲均作为与歌曲i最相关的歌曲,并将与歌曲i最相关的所有歌曲中的每首歌曲在各次歌曲i被点播时与歌曲i的相关系数求和,得到与歌曲i最相关的所有歌曲中的每首歌曲与歌曲i的总相关系数;
将与歌曲i最相关的所有歌曲中与歌曲i总相关系数最大的前第五预设数量首歌曲作为歌曲i的相关歌曲;
当用户a点播被点播过的歌曲时,从用户a点播的歌曲的相关歌曲中选择第六预设数量首歌曲向用户a进行推荐。
进一步地,从用户a的各相近用户的特征歌曲中选择第三预设数量首歌曲向用户a进行推荐时,根据用户a的各相近用户与用户a的相关系数的大小,确定从用户a的各相近用户的特征歌曲中选择的向用户a进行推荐的歌曲数量的占比大小,从与用户a的相关系数越大的相近用户的特征歌曲中选择的向用户a进行推荐的歌曲数量的占比越大,从与用户a的相关系数越小的相近用户的特征歌曲中选择的向用户a进行推荐的歌曲数量的占比越小。
进一步地,所述第二预设数量为6,从用户a的6个相近用户的特征歌曲中选择的向用户a进行推荐的歌曲数量的占比依次为50%、25%、12%、6%、4%、3%。
进一步地,所述第一预设数量为10。
进一步地,所述第四预设数量为3。
进一步地,歌曲i被点播时的前后3首歌曲与歌曲i的相关系数分别为:
歌曲i的前第一首歌曲和后第一首歌曲与歌曲i的相关系数为33%;
歌曲i的前第二首歌曲和后第二首歌曲与歌曲i的相关系数为13%;
歌曲i的前第三首歌曲和后第三首歌曲与歌曲i的相关系数为4%。
进一步地,所述第五预设数量为6。
进一步地,当用户a为老用户时,所述歌曲推荐方法还包括:
实时统计从用户a的各相近用户的特征歌曲中选择的向用户a推荐的歌曲被用户a点播的次数,与从用户a点播的歌曲的相关歌曲中选择的向用户a推荐的歌曲被用户a点播的次数;
根据从用户a的各相近用户的特征歌曲中选择的向用户a推荐的歌曲被用户a点播的次数与从用户a点播的歌曲的相关歌曲中选择的向用户a推荐的歌曲被用户a点播的次数的比例,实时调整所述第三预设数量与所述第六预设数量的比例。
一种计算机存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现如上所述的歌曲推荐方法。
一种电子装置,包括存储器、处理器及存储在所述存储器中并可在所述处理器中运行的计算机程序,所述处理器执行所述计算机程序时,实现如上所述的歌曲推荐方法。
本发明提供的基于类指数分布和TF-IDF特征的歌曲推荐方法、介质和装置,通过引入TF-IDF统计算法,计算用户的特征歌曲,而不再使用所有的歌曲进行计算,大幅度减小了计算量。同时,通过改进现有的皮尔逊有关系数的计算,不再依赖于所有歌曲的频率计算,而是依据特征歌曲的单独概率计算,选出相似用户,也大幅减小了计算量,加快了计算速度,同时确保了歌曲推荐的准确性没有明显下降。
附图说明
图1为本发明实施例基于类指数分布和TF-IDF特征的歌曲推荐方法的流程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步详细说明。
本发明实施例提供的基于类指数分布和TF-IDF特征的歌曲推荐方法能够应用在手机App等应用程序中,能够根据用户的歌曲点播情况为用户推荐音乐。如图1所示,该基于类指数分布和TF-IDF特征的歌曲推荐方法,包括如下步骤。
首先,判断用户a是否为老用户,如果不是,则采用基于类指数分布的歌曲推荐方法向用户a推荐歌曲,如果是,则采用基于TF-IDF特征的歌曲推荐方法和基于类指数分布的歌曲推荐方法相结合的方法向用户a推荐歌曲。这里的用户a只是为了便于描述,与其他用户进行有效区分,泛指任何需要进行歌曲推荐的用户。用户a如果是未登陆用户或新注册用户,都不是老用户,其他情况则属于老用户。未登陆用户或新注册用户等非老用户,由于没有历史歌曲点播记录,因此,采用基于类指数分布的歌曲推荐方法进行歌曲推荐,而老用户由于有历史歌曲点播记录,适宜采用基于TF-IDF特征的歌曲推荐方法和基于类指数分布的歌曲推荐方法相结合的方法进行歌曲推荐。下面分别介绍基于类指数分布的歌曲推荐方法和基于TF-IDF特征的歌曲推荐方法。
采用基于TF-IDF特征的歌曲推荐方法向用户a推荐歌曲的步骤包括:
计算每个用户点播过的歌曲中的每首歌曲在该用户点播过的歌曲中的点播词频TF,计算公式为TFai=Tai/Ta,其中,TFai为用户a点播过的歌曲中歌曲i在用户a点播过的歌曲中的点播词频,Tai为用户a点播歌曲i的次数,Ta为用户a的点歌总次数。根据点播词频的计算公式可知,点播词频借鉴了信息检索及数据挖掘加权技术所参考的词频的含义(表示某个词或短语在一篇文章中出现的频率的高低),一首歌曲在某一用户点播过的歌曲中的点播词频表示了该用户点播该首歌曲的频率高低,一首歌曲在某一用户点播过的歌曲中的点播词频越高,表示该用户点播该首歌曲的频率越高。
同时,计算每首被点播过的歌曲的点播逆向文件频率IDF,计算公式为IDFi=log(M/Ni),其中,IDFi为被点播过的歌曲i的点播逆向文件频率,M为用户总数,Ni为点播过歌曲i的用户数。同理,点播逆向文件频率也是借鉴了信息检索及数据挖掘加权技术所参考的逆向文件频率的含义(表示包含某个词或短语的文章数量的多少),一首歌曲的点播逆向文件频率表示了点播该首歌曲的用户数量的多少,一首歌曲的点播逆向文件频率越高,表示点播过该首歌曲的用户越少。
然后,将各用户点播过的歌曲中TF值与IDF值乘积最大的前第一预设数量首歌曲作为各用户的特征歌曲。由前述公式可见,点播过歌曲i的用户数Ni越大,则歌曲i的TF值与IDF值乘积越小,表示歌曲i越可能是大多用户习惯点播的歌曲,反之,点播过歌曲i的用户数Ni越小,则歌曲i的TF值与IDF值乘积越大,表示歌曲i越可能不是大多用户习惯点播的歌曲,而是少数用户才习惯点播的歌曲。可见,通过一首歌曲在某一用户点播过的所有歌曲中的点播词频TF值与该首歌曲的IDF值乘积的大小,可以判断出该首歌曲能够表示该用户的特征的程度高低,乘积越大,表示该首歌曲越可能表示该用户的特征,越可能作为该用户的特征歌曲,乘积越小,表示该首歌曲越不可能表示该用户的特征,越不可能作为该用户的特征歌曲。由此,可以将各用户点播过的歌曲中TF值与IDF值乘积最大的前若干首歌曲作为各用户的特征歌曲。本实施例中,第一预设数量可以设为10,即每个用户有10首特征歌曲。
得到各用户的特征歌曲后,再计算各用户的每首特征歌曲的比重值,计算公式为Pak=Rak/Ra,其中,Pak为用户a的特征歌曲k的比重值,Rak为用户a点播特征歌曲k的次数,Ra为用户a点播所有其特征歌曲的次数。
在得到各用户的每首特征歌曲的比重值的基础上,将用户a与其他用户的相同特征歌曲的比重值的乘积求和,得到用户a其他各用户之间的相关系数。
最后,取与用户a相关系数最大的前第二预设数量个用户作为用户a的相近用户,并从用户a的各相近用户的特征歌曲中选择第三预设数量首歌曲向用户a进行推荐。在从用户a的各相近用户的特征歌曲中选择第三预设数量首歌曲向用户a进行推荐时,可以根据用户a的各相近用户与用户a的相关系数的大小,确定从用户a的各相近用户的特征歌曲中选择的向用户a进行推荐的歌曲数量的占比大小。具体来说,从与用户a的相关系数越大的相近用户的特征歌曲中选择的向用户a进行推荐的歌曲数量的占比越大,从与用户a的相关系数越小的相近用户的特征歌曲中选择的向用户a进行推荐的歌曲数量的占比越小。使得用户a的各相近用户与用户a的相关系数与用户a的各相近用户的特征歌曲在向用户a进行歌曲推荐时的重要性相匹配。具体实施时,第二预设数量可设置为6。即选取6个用户作为用户a的相近用户。同时,从用户a的6个相近用户的特征歌曲中选择的向用户a进行推荐的歌曲数量的占比依次设为50%、25%、12%、6%、4%、3%。
采用基于类指数分布的歌曲推荐方法向用户a推荐歌曲的步骤包括:
筛选各被点播过的歌曲的相关歌曲。其中,任一被点播过的歌曲i的相关歌曲的筛选方法如下。
对歌曲i被点播时的前后第四预设数量首歌曲与歌曲i的相关系数赋值。
将歌曲i每次被点播时的前后第四预设数量首歌曲均作为与歌曲i最相关的歌曲,并将与歌曲i最相关的所有歌曲中的每首歌曲在各次歌曲i被点播时与歌曲i的相关系数求和,得到与歌曲i最相关的所有歌曲中的每首歌曲与歌曲i的总相关系数。本实施例中,第四预设数量为3,在此基础上,歌曲i被点播时的前后3首歌曲与歌曲i的相关系数分别为:
歌曲i的前第一首歌曲和后第一首歌曲与歌曲i的相关系数为33%;
歌曲i的前第二首歌曲和后第二首歌曲与歌曲i的相关系数为13%;
歌曲i的前第三首歌曲和后第三首歌曲与歌曲i的相关系数为4%。
将与歌曲i最相关的所有歌曲中与歌曲i总相关系数最大的前第五预设数量首歌曲作为歌曲i的相关歌曲。一首歌曲与歌曲i总相关系数越大,表示该首歌曲在歌曲i被点播前后越可能也被点播,因此该首歌曲越能够作为歌曲i的相关歌曲推荐给用户,从而可通过这种方式筛选出若干首歌曲作为歌曲i的相关歌曲。本实施例中,第五预设数量可设为6,即为每首歌曲筛选出6首歌曲作为其相关歌曲。
筛选出歌曲i的相关歌曲后,当用户a点播被点播过的歌曲时,就可以从用户a点播的歌曲的相关歌曲中选择第六预设数量首歌曲向用户a进行推荐。
当用户a为老用户时,由于是采用基于TF-IDF特征的歌曲推荐方法和基于类指数分布的歌曲推荐方法相结合的方法向用户a推荐歌曲,因此两种方法推荐的歌曲数量占比(即第三预设数量与第六预设数量的比值)可以预先设定(例如,预先设定为第三预设数量与第六预设数量的比值为1比1,即两种方法推荐的歌曲数量各占50%)。同时,可进一步加入反馈机制,通过实时监测用户a点播推荐给用户a的各首歌曲的点播情况来调整从用户a的各相近用户的特征歌曲中选择向用户a进行推荐的歌曲数量(即第三预设数量)与从用户a点播的歌曲的相关歌曲中选择向用户a进行推荐的歌曲数量(第六预设数量)的比例,从而实现系统的自我优化和完善。具体来说,该反馈机制通过如下步骤实现。
首先,实时统计从用户a的各相近用户的特征歌曲中选择的向用户a推荐的歌曲被用户a点播的次数,与从用户a点播的歌曲的相关歌曲中选择的向用户a推荐的歌曲被用户a点播的次数。
然后,根据从用户a的各相近用户的特征歌曲中选择的向用户a推荐的歌曲被用户a点播的次数与从用户a点播的歌曲的相关歌曲中选择的向用户a推荐的歌曲被用户a点播的次数的比例,实时调整第三预设数量与第六预设数量的比例。当从用户a的各相近用户的特征歌曲中选择的向用户a推荐的歌曲被用户a点播的次数的占比升高时,就提高第三预设数量的占比,当从用户a点播的歌曲的相关歌曲中选择的向用户a推荐的歌曲被用户a点播的次数的占比升高时,就提高第六预设数量的占比。
基于上述歌曲推荐方法,本发明还提供了一种计算机存储介质,其上存储有计算机程序,计算机程序被处理器执行时,实现如上的歌曲推荐方法。
基于上述歌曲推荐方法,本发明还提供了一种电子装置,包括存储器、处理器及存储在存储器中并可在处理器中运行的计算机程序,处理器执行计算机程序时,实现如上的歌曲推荐方法。
上述实施例仅为优选实施例,并不用以限制本发明的保护范围。在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于类指数分布和TF-IDF特征的歌曲推荐方法,其特征在于,包括:
判断用户a是否为老用户,如果不是,则采用基于类指数分布的歌曲推荐方法向用户a推荐歌曲,如果是,则采用基于TF-IDF特征的歌曲推荐方法和基于类指数分布的歌曲推荐方法相结合的方法向用户a推荐歌曲;
采用基于TF-IDF特征的歌曲推荐方法向用户a推荐歌曲的步骤包括:
计算每个用户点播过的歌曲中的每首歌曲在该用户点播过的歌曲中的点播词频TF,计算公式为TFai=Tai/Ta,其中,TFai为用户a点播过的歌曲中歌曲i在用户a点播过的歌曲中的点播词频,Tai为用户a点播歌曲i的次数,Ta为用户a的点歌总次数;
同时,计算每首被点播过的歌曲的点播逆向文件频率IDF,计算公式为IDFi=log(M/Ni),其中,IDFi为被点播过的歌曲i的点播逆向文件频率,M为用户总数,Ni为点播过歌曲i的用户数;
将各用户点播过的歌曲中TF值与IDF值乘积最大的前第一预设数量首歌曲作为各用户的特征歌曲;
计算各用户的每首特征歌曲的比重值,计算公式为Pak=Rak/Ra,其中,Pak为用户a的特征歌曲k的比重值,Rak为用户a点播特征歌曲k的次数,Ra为用户a点播所有其特征歌曲的次数;
将用户a与其他用户的相同特征歌曲的比重值的乘积求和,得到用户a其他各用户之间的相关系数;
取与用户a相关系数最大的前第二预设数量个用户作为用户a的相近用户,并从用户a的各相近用户的特征歌曲中选择第三预设数量首歌曲向用户a进行推荐;
采用基于类指数分布的歌曲推荐方法向用户a推荐歌曲的步骤包括:
筛选各被点播过的歌曲的相关歌曲,其中,任一被点播过的歌曲i的相关歌曲的筛选方法为:
对歌曲i被点播时的前后第四预设数量首歌曲与歌曲i的相关系数赋值;
将歌曲i每次被点播时的前后第四预设数量首歌曲均作为与歌曲i最相关的歌曲,并将与歌曲i最相关的所有歌曲中的每首歌曲在各次歌曲i被点播时与歌曲i的相关系数求和,得到与歌曲i最相关的所有歌曲中的每首歌曲与歌曲i的总相关系数;
将与歌曲i最相关的所有歌曲中与歌曲i总相关系数最大的前第五预设数量首歌曲作为歌曲i的相关歌曲;
当用户a点播被点播过的歌曲时,从用户a点播的歌曲的相关歌曲中选择第六预设数量首歌曲向用户a进行推荐。
2.如权利要求1所述的基于类指数分布和TF-IDF特征的歌曲推荐方法,其特征在于,从用户a的各相近用户的特征歌曲中选择第三预设数量首歌曲向用户a进行推荐时,根据用户a的各相近用户与用户a的相关系数的大小,确定从用户a的各相近用户的特征歌曲中选择的向用户a进行推荐的歌曲数量的占比大小,从与用户a的相关系数越大的相近用户的特征歌曲中选择的向用户a进行推荐的歌曲数量的占比越大,从与用户a的相关系数越小的相近用户的特征歌曲中选择的向用户a进行推荐的歌曲数量的占比越小。
3.如权利要求2所述的基于类指数分布和TF-IDF特征的歌曲推荐方法,其特征在于,所述第二预设数量为6,从用户a的6个相近用户的特征歌曲中选择的向用户a进行推荐的歌曲数量的占比依次为50%、25%、12%、6%、4%、3%。
4.如权利要求1所述的基于类指数分布和TF-IDF特征的歌曲推荐方法,其特征在于,所述第一预设数量为10。
5.如权利要求1所述的基于类指数分布和TF-IDF特征的歌曲推荐方法,其特征在于,所述第四预设数量为3。
6.如权利要求5所述的基于类指数分布和TF-IDF特征的歌曲推荐方法,其特征在于,歌曲i被点播时的前后3首歌曲与歌曲i的相关系数分别为:
歌曲i的前第一首歌曲和后第一首歌曲与歌曲i的相关系数为33%;
歌曲i的前第二首歌曲和后第二首歌曲与歌曲i的相关系数为13%;
歌曲i的前第三首歌曲和后第三首歌曲与歌曲i的相关系数为4%。
7.如权利要求1所述的基于类指数分布和TF-IDF特征的歌曲推荐方法,其特征在于,所述第五预设数量为6。
8.如权利要求1所述的基于类指数分布和TF-IDF特征的歌曲推荐方法,其特征在于,当用户a为老用户时,所述歌曲推荐方法还包括:
实时统计从用户a的各相近用户的特征歌曲中选择的向用户a推荐的歌曲被用户a点播的次数,与从用户a点播的歌曲的相关歌曲中选择的向用户a推荐的歌曲被用户a点播的次数;
根据从用户a的各相近用户的特征歌曲中选择的向用户a推荐的歌曲被用户a点播的次数与从用户a点播的歌曲的相关歌曲中选择的向用户a推荐的歌曲被用户a点播的次数的比例,实时调整所述第三预设数量与所述第六预设数量的比例。
9.一种计算机存储介质,其上存储有计算机程序,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至8中任一所述的歌曲推荐方法。
10.一种电子装置,其特征在于,包括存储器、处理器及存储在所述存储器中并可在所述处理器中运行的计算机程序,所述处理器执行所述计算机程序时,实现如权利要求1至8中任一所述的歌曲推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010301376.1A CN111488484B (zh) | 2020-04-16 | 2020-04-16 | 基于类指数分布和tf-idf特征的歌曲推荐方法、介质和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010301376.1A CN111488484B (zh) | 2020-04-16 | 2020-04-16 | 基于类指数分布和tf-idf特征的歌曲推荐方法、介质和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111488484A true CN111488484A (zh) | 2020-08-04 |
CN111488484B CN111488484B (zh) | 2023-04-28 |
Family
ID=71811751
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010301376.1A Active CN111488484B (zh) | 2020-04-16 | 2020-04-16 | 基于类指数分布和tf-idf特征的歌曲推荐方法、介质和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111488484B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090025539A1 (en) * | 2007-07-26 | 2009-01-29 | Samsung Electronics Co., Ltd. | Method and device for selecting music to be recommended for user by using music reproduction device |
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 |
EP2304613A1 (en) * | 2008-01-15 | 2011-04-06 | Music Technology Limited | Playlist manager |
CN103491441A (zh) * | 2013-09-09 | 2014-01-01 | 东软集团股份有限公司 | 直播电视节目推荐方法及系统 |
JP2014103544A (ja) * | 2012-11-20 | 2014-06-05 | Samsung R&D Institute Japan Co Ltd | 番組推薦装置及び番組推薦装置用プログラム |
CN103970802A (zh) * | 2013-02-05 | 2014-08-06 | 百度在线网络技术(北京)有限公司 | 一种歌曲推荐的方法及装置 |
US20150339096A1 (en) * | 2014-05-21 | 2015-11-26 | Ebay Inc. | Personal music player |
CN105279289A (zh) * | 2015-12-04 | 2016-01-27 | 中国传媒大学 | 基于指数衰减窗口的个性化音乐推荐排序方法 |
CN105898509A (zh) * | 2015-11-26 | 2016-08-24 | 乐视网信息技术(北京)股份有限公司 | 一种实现播放视频时的交互方法及系统 |
CN106502994A (zh) * | 2016-11-29 | 2017-03-15 | 上海智臻智能网络科技股份有限公司 | 一种文本的关键词提取的方法和装置 |
CN106951527A (zh) * | 2017-03-21 | 2017-07-14 | 北京邮电大学 | 一种歌曲推荐方法及装置 |
CN109086822A (zh) * | 2018-08-01 | 2018-12-25 | 广州虎牙信息科技有限公司 | 一种主播用户分类方法、装置、设备及存储介质 |
CN109408665A (zh) * | 2018-12-29 | 2019-03-01 | 咪咕音乐有限公司 | 一种信息推荐方法及装置、存储介质 |
US20200004495A1 (en) * | 2018-06-27 | 2020-01-02 | Apple Inc. | Generating a Customized Social-Driven Playlist |
CN110996134A (zh) * | 2019-12-23 | 2020-04-10 | 腾讯科技(深圳)有限公司 | 视频播放方法、装置及存储介质 |
-
2020
- 2020-04-16 CN CN202010301376.1A patent/CN111488484B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090025539A1 (en) * | 2007-07-26 | 2009-01-29 | Samsung Electronics Co., Ltd. | Method and device for selecting music to be recommended for user by using music reproduction device |
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 |
EP2304613A1 (en) * | 2008-01-15 | 2011-04-06 | Music Technology Limited | Playlist manager |
JP2014103544A (ja) * | 2012-11-20 | 2014-06-05 | Samsung R&D Institute Japan Co Ltd | 番組推薦装置及び番組推薦装置用プログラム |
CN103970802A (zh) * | 2013-02-05 | 2014-08-06 | 百度在线网络技术(北京)有限公司 | 一种歌曲推荐的方法及装置 |
CN103491441A (zh) * | 2013-09-09 | 2014-01-01 | 东软集团股份有限公司 | 直播电视节目推荐方法及系统 |
US20150339096A1 (en) * | 2014-05-21 | 2015-11-26 | Ebay Inc. | Personal music player |
CN105898509A (zh) * | 2015-11-26 | 2016-08-24 | 乐视网信息技术(北京)股份有限公司 | 一种实现播放视频时的交互方法及系统 |
CN105279289A (zh) * | 2015-12-04 | 2016-01-27 | 中国传媒大学 | 基于指数衰减窗口的个性化音乐推荐排序方法 |
CN106502994A (zh) * | 2016-11-29 | 2017-03-15 | 上海智臻智能网络科技股份有限公司 | 一种文本的关键词提取的方法和装置 |
CN106951527A (zh) * | 2017-03-21 | 2017-07-14 | 北京邮电大学 | 一种歌曲推荐方法及装置 |
US20200004495A1 (en) * | 2018-06-27 | 2020-01-02 | Apple Inc. | Generating a Customized Social-Driven Playlist |
CN109086822A (zh) * | 2018-08-01 | 2018-12-25 | 广州虎牙信息科技有限公司 | 一种主播用户分类方法、装置、设备及存储介质 |
CN109408665A (zh) * | 2018-12-29 | 2019-03-01 | 咪咕音乐有限公司 | 一种信息推荐方法及装置、存储介质 |
CN110996134A (zh) * | 2019-12-23 | 2020-04-10 | 腾讯科技(深圳)有限公司 | 视频播放方法、装置及存储介质 |
Non-Patent Citations (1)
Title |
---|
赵宇峰;李新卫;: "基于歌曲标签聚类的协同过滤推荐算法的研究" * |
Also Published As
Publication number | Publication date |
---|---|
CN111488484B (zh) | 2023-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110929052B (zh) | 多媒体资源推荐方法、装置、电子设备及存储介质 | |
US8799306B2 (en) | Recommendation of search keywords based on indication of user intention | |
WO2018090793A1 (zh) | 多媒体推荐方法和装置 | |
US8533202B2 (en) | Entropy-based mixing and personalization | |
CN106326391B (zh) | 多媒体资源推荐方法及装置 | |
CN106708817B (zh) | 信息搜索方法及装置 | |
GB2545311A (en) | Attribute weighting for media content-based recommendation | |
CN107451199A (zh) | 问题推荐方法及装置、设备 | |
CN105431834A (zh) | 基于用户历史创建内容共享平台的个性化和连续播放列表 | |
WO2018130201A1 (zh) | 确定关联账号的方法、服务器及存储介质 | |
US11216518B2 (en) | Systems and methods of providing recommendations of content items | |
CN106951527B (zh) | 一种歌曲推荐方法及装置 | |
CN111552884B (zh) | 用于内容推荐的方法和设备 | |
WO2016115943A1 (zh) | 一种音乐推荐方法及装置 | |
WO2021047119A1 (zh) | 一种信息推送方法、系统、电子设备及存储介质 | |
CN106354867A (zh) | 多媒体资源的推荐方法及装置 | |
WO2018137420A1 (zh) | 一种信息推荐列表的生成方法及装置 | |
CN111327609B (zh) | 数据审核方法及装置 | |
CN111797319A (zh) | 推荐方法、装置、设备及存储介质 | |
CN112907334A (zh) | 一种对象推荐方法及装置 | |
CN111597448A (zh) | 一种信息的热度的确定方法、装置及电子设备 | |
CN113301017B (zh) | 基于联邦学习的攻击检测与防御方法、装置及存储介质 | |
CN111488484B (zh) | 基于类指数分布和tf-idf特征的歌曲推荐方法、介质和装置 | |
CN114118651A (zh) | 一种评测方法、装置、设备及计算机存储介质 | |
CN107368533B (zh) | 一种内容项推荐方法、装置及电子设备 |
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 |