CN112800270A - 基于音乐标签和时间信息的音乐推荐方法及系统 - Google Patents

基于音乐标签和时间信息的音乐推荐方法及系统 Download PDF

Info

Publication number
CN112800270A
CN112800270A CN202110107861.XA CN202110107861A CN112800270A CN 112800270 A CN112800270 A CN 112800270A CN 202110107861 A CN202110107861 A CN 202110107861A CN 112800270 A CN112800270 A CN 112800270A
Authority
CN
China
Prior art keywords
music
song
user
songs
score
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
CN202110107861.XA
Other languages
English (en)
Other versions
CN112800270B (zh
Inventor
潘子月
章韵
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.)
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing University of Posts and Telecommunications
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 Nanjing University of Posts and Telecommunications filed Critical Nanjing University of Posts and Telecommunications
Priority to CN202110107861.XA priority Critical patent/CN112800270B/zh
Publication of CN112800270A publication Critical patent/CN112800270A/zh
Application granted granted Critical
Publication of CN112800270B publication Critical patent/CN112800270B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/60—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
    • G06F18/22—Matching criteria, e.g. proximity measures

Landscapes

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

Abstract

本发明公开了一种基于音乐标签和时间信息的音乐推荐方法及系统，其中方法包括：(1)计算用户对已听歌曲的播放频率和评分、用户对各个音乐标签的评分和标签间评分的相似度；(2)计算各个音乐标签对每首歌曲的影响权重；(3)根据标签评分和标签影响权重，计算用户对未听歌曲的评分；(4)计算音乐评分相似度，并综合音乐评分相似度、标签评分相似度和标签影响权重得到音乐间的相似度；(5)获取最近邻集合，结合时间因子衰减函数计算用户对近邻音乐的预测评分，并采用Top‑N排序方法把评分最高的前N个音乐推荐给用户。本发明提高了推荐系统的相似度计算的健壮性和推荐算法的准确度及实时性，克服了推荐系统中的项目冷启动困难和数据稀疏性问题。

Description

基于音乐标签和时间信息的音乐推荐方法及系统
技术领域
本发明属于AI个性化推荐技术领域，特别涉及一种基于音乐标签和时间信息的音乐推荐方法及系统。
背景技术
随着信息技术和互联网的发展，人们逐渐走入了信息过载的时代，无论是信息消费者还是信息生产者都遇到了很大的挑战：对于信息消费者，从大量信息中找到自己感兴趣的信息是非常困难的事情；对于信息生产者，让自己生产的信息脱颖而出，受到广大用户的关注，也是非常困难的事情。推荐系统就是解决这一矛盾的重要工具。推荐系统一方面帮助用户发现对自己有价值的信息，另一方面让信息能够展现在对它感兴趣的用户面前，从而实现信息消费者和信息生产者的双赢。
推荐系统常见的推荐算法有基于内容推荐、协同过滤推荐、基于关联规则推荐、基于知识推荐等。其中，协同过滤推荐算法可以分为基于用户的协同过滤和基于物品的协同过滤：基于用户的协同过滤根据不同用户对相同物品或内容的态度和偏好程度计算用户之间的关系，在有相同喜好的用户间进行商品推荐；基于物品的协同过滤通过计算不同用户对不同物品的评分获得物品间的关系，基于物品间的关系对用户进行相似物品的推荐。
总而言之，协同过滤算法利用用户的历史行为数据，分析用户的喜好偏向，并预测用户对物品的喜好程度进行推荐，适用于无法利用元数据充分描述的项目，如电影、音乐等。但协同过滤算法仍存在一些不足：用户的评分稀疏，且没有考虑用户的喜好随时间变化的影响，导致推荐精度不高；不能有效缓解推荐系统中的项目冷启动问题。
发明内容
发明目的：本发明的目的在于提供一种推荐精度高的音乐推荐方法，且解决了推荐系统中的项目冷启动问题。本发明的另一目的在于提供基于上述音乐推荐方法的音乐推荐系统。
技术方案：本发明所述的基于音乐标签和时间信息的音乐推荐方法，该方法包括以下步骤：
(1)获得用户听歌记录数据和音乐标签数据，根据用户播放每首歌曲的次数，计算用户已听歌曲的播放频率；
(2)根据所述用户已听歌曲的播放频率，计算用户对已听歌曲的评分；
(3)对所述用户对已听歌曲的评分进行标签分类统计，利用分类后的评分计算用户对各个音乐标签的评分，获得“用户-标签”评分矩阵，并根据该矩阵中每个音乐标签对应的有评分的用户数、同时具有相同的两个音乐标签的用户数，计算音乐标签间评分的相似度；
(4)根据音乐标签属性数据集中用户对歌曲中各个音乐标签打标的频次，计算各个音乐标签对每首歌曲的影响权重；
(5)根据所述用户对各个音乐标签的评分及所述各个音乐标签对每首歌曲的影响权重，计算用户对未听歌曲的评分；
(6)根据所述用户对已听歌曲的评分及用户对未听歌曲的评分，得到推算评分矩阵，并根据该矩阵中每首歌曲有评分的用户数、同时对相同两首歌曲有评分的用户数，计算音乐评分相似度，并根据所述综合音乐评分相似度、音乐标签间评分的相似度和各个音乐标签对每首歌曲的影响权重，计算得到音乐间的相似度；
(7)利用所述音乐间的相似度和所述用户对已听歌曲的评分，以及用户听歌记录中的时间信息，获取最近邻集合，结合时间因子衰减函数计算用户对近邻歌曲的预测评分，并采用Top-N排序方法把评分最高的前N个歌曲作为最终的推荐结果推荐给用户。
进一步地，步骤(1)中，所述用户已听歌曲的播放频率的计算公式为：
Figure BDA0002918174070000021
其中，Pu(k)为用户u听歌曲k的次数，Pu为用户u听歌总次数。
进一步地，步骤(2)中，所述用户对已听歌曲的评分的计算公式为：
Figure BDA0002918174070000022
其中，fi(u)表示用户u收听次数最多歌曲列表的第i首歌曲的播放频率，N表示歌曲列表中的歌曲总数，系数a为歌曲的评分的最大值。
进一步地，步骤(3)中，所述用户对各个音乐标签的评分的计算公式为：
Figure BDA0002918174070000031
其中，ru,k为用户u对歌曲k的评分，M为包含音乐标签m属性的音乐集合；所述音乐标签间评分相似度的计算公式为：
Figure BDA0002918174070000032
其中，|N(m)|和|N(n)|分别为对音乐标签m和n有评分的用户数，|N(m)∩N(n)|为同时对音乐标签m和n有评分的用户数。
进一步地，步骤(4)中，各个音乐标签对每首歌曲的影响权重的计算公式为：
Figure BDA0002918174070000033
其中，Ci(m)为所有用户对歌曲i打上音乐标签m属性的频次，Ci为所有用户对歌曲i中标签打标的总频次。
进一步地，步骤(5)中，所述用户对未听歌曲的评分的计算公式为：
Figure BDA0002918174070000034
其中，R(u,m)为用户u对音乐标签m的评分，Wm,i为音乐标签m对歌曲i的影响权重，I为歌曲i包含的所有音乐标签的集合。
进一步地，步骤(6)中，所述音乐评分相似度的计算公式为：
Figure BDA0002918174070000035
其中，|N(i)|和|N(j)|分别为喜欢歌曲i和j的用户数，|N(i)∩N(j)|为同时喜欢歌曲i和j的用户数；
所述音乐间的相似度的计算公式为：
Figure BDA0002918174070000036
其中，St(m,n)为音乐标签m和n间评分相似度，Wm,i为音乐标签m对歌曲i的影响权重，Wn,j为音乐标签n对歌曲j的影响权重；I为歌曲i包含的所有音乐标签的集合，a为I中音乐标签的个数；J为歌曲j包含的所有标签的集合，b为J中音乐标签的个数，α是平衡因子。
进一步，所述步骤(7)中时间因子衰减函数的计算公式为：
f(i,j)＝e-βΔt
其中，i为当前时间评分歌曲，j为历史的评分歌曲，f(i,j)是以歌曲i的评分为基准的情况下用户对歌曲j评分的时间衰减，β是控制衰减速率的参数，Δt表示用户对歌曲i和j评分时间的时间差；
用户u对直接近邻歌曲pj的预测评分的计算公式为：
Figure BDA0002918174070000041
其中，R1为相似度矩阵中与当前评分歌曲i最相似的k个物品的集合，S(i,pj)为歌曲i和歌曲pj的相似度，f(i,i)为时间衰减因子；
用户u对间接近邻歌曲qx,j的预测评分的计算公式为：
Figure BDA0002918174070000042
其中，N为用户u按时间顺序最近评分的m个物品qx的集合，R2为N中每个歌曲qx最相似的k个物品qx,j的集合，S(i,qx,j)为歌曲i和歌曲qx,j的相似度，f(i,qx)为时间衰减因子。
本发明所述的基于音乐标签和时间信息的音乐推荐系统，包括：存储器、处理器及在所述存储器上存储并可运行的音乐推荐程序，所述音乐推荐程序被处理器执行时实现上述基于音乐标签和时间信息的音乐推荐方法中的部分或全部的步骤。
有益效果：本发明与现有技术相比，具有以下优点：
(1)充分利用音乐的标签信息，缓解了数据稀疏性，提高了项目相似度计算的健壮性和准确性；
(2)充分利用用户历史行为的时间信息，增强了推荐的实时性和准确度；
(3)可以对新加入推荐系统的未知音乐补充评分，缓解了推荐系统中的项目冷启动问题。
附图说明
图1为本发明的算法流程图；
图2为本发明近邻选择图。
具体实施方式
下面结合附图和具体实施方式，对本发明的方法作进一步的介绍。
本发明公开了一种基于音乐标签和时间信息的音乐推荐方法，包括：1、计算用户已听歌曲的播放频率；2、计算用户对已听歌曲的评分；3、计算用户对各类音乐标签的评分和音乐标签间评分的相似度；4、根据用户对标签的打标频次，计算各个音乐标签对每首歌曲的影响权重；5、根据标签评分和标签影响权重，计算用户对未听歌曲的评分；6、利用未听歌曲的评分填充初始评分矩阵，计算音乐评分相似度，并综合音乐评分相似度、标签评分相似度和标签影响权重得到音乐间的相似度；7、获取最近邻集合，结合时间因子衰减函数计算用户对近邻音乐的预测评分，并采用Top-N排序方法把评分最高的前N个音乐作为最终的推荐结果推荐给用户。本发明的优势在于缓解推荐系统中的项目冷启动问题、数据稀疏性问题和实时性问题，提高项目相似度计算的健壮性和推荐算法的准确度。
如图1和图2所示，本发明所述的基于音乐标签和时间信息的音乐推荐方法包括以下步骤：
(1)获得用户听歌记录数据和音乐标签数据，清洗数据集，所述数据集主要包括用户ID、音乐ID、时间戳和音乐标签信息，利用用户听歌记录中统计出的用户播放每首歌曲的次数，计算用户已听歌曲的播放频率；
设Pu(k)为用户u听歌曲k的次数，Pu为用户u听歌总次数，则用户u已听歌曲k的播放频率的计算如下：
Figure BDA0002918174070000051
(2)根据步骤(1)中所得的歌曲播放频率，计算用户对已听歌曲的评分，获得“用户-音乐”评分矩阵；
设fi(u)表示用户u收听次数最多歌曲列表的第i首歌曲的播放频率，N表示歌曲列表中的歌曲总数，系数a可限定评分数值的最大范围，则用户u对第k首已听歌曲的评分计算如下：
Figure BDA0002918174070000052
其中
Figure BDA0002918174070000061
即播放频率小于第i首歌曲的所有歌曲频率的总和，可代表用户对歌曲的偏好程度，a的值为评分标准的最大值。
(3)对步骤(2)中所得的“用户-音乐”评分进行标签分类统计，利用分类后的评分计算用户对各类音乐标签的评分，获得“用户-标签”评分矩阵，并根据该矩阵中每个音乐标签有评分的用户数、同时对相同两个音乐标签有评分的用户数这两种数据，计算音乐标签间评分的相似度；
音乐标签分类统计后，利用用户对每个音乐标签分类下的歌曲评分获取平均值，可代表用户对音乐标签的偏好程度；用户对音乐标签评分的时间可设置为用户最近一次对该音乐标签下歌曲评分的时间。
设ru,k为用户u对歌曲k的评分，M为包含音乐标签m属性的音乐集合，则用户u对音乐标签m的评分计算如下：
Figure BDA0002918174070000062
设|N(m)|和|N(n)|分别为对音乐标签m和n有评分的用户数，|N(m)∩N(n)|为同时对音乐标签m和n有评分的用户数，则用户对音乐标签的评分相似度计算如下：
Figure BDA0002918174070000063
(4)根据音乐标签属性数据集中用户对歌曲中各个音乐标签的打标频次，计算各个音乐标签对每首歌曲的影响权重；
音乐标签属性中，每首歌曲对应的信息都包含各个音乐标签属性被用户打标的频次，用户对该音乐标签打标，则代表用户认为该音乐标签符合这首歌曲的风格属性，音乐标签的打标频次越高，代表在用户的角度该音乐标签越符合这首歌曲的风格，因此音乐标签的打标频次可以用来衡量音乐标签对歌曲属性的影响程度。
设Ci(m)为所有用户对歌曲i打上音乐标签m属性的频次，Ci为所有用户对歌曲i中音乐标签打标的总频次，则音乐标签m对歌曲i的影响权重的计算如下：
Figure BDA0002918174070000064
(5)根据步骤(3)中的“用户-标签”评分和步骤(4)中的音乐标签影响权重，计算用户对未听歌曲的评分，即“用户-未知音乐”评分；
音乐标签属性中，每首歌曲会存在一种及以上的音乐标签属性，因此可以根据未知音乐包含的音乐标签属性，利用用户对音乐标签的评分和音乐标签对音乐属性的影响权重，提高推算用户对未知音乐偏好程度的准确性；用户对未知音乐评分的时间可设置为用户最近一次对音乐标签评分的时间。
设R(u,m)为用户u对音乐标签m的评分，Wm,i为音乐标签m对歌曲i的影响权重，I为歌曲i包含的所有音乐标签的集合，则用户u对未听歌曲i的评分计算如下：
Figure BDA0002918174070000071
(6)将步骤(5)中的“用户-未知音乐”评分填充进步骤(2)中的“用户-音乐”评分矩阵，即推算评分矩阵，并根据该矩阵中每首歌曲有评分的用户数、同时对相同两首歌曲有评分的用户数这两种数据，计算音乐评分相似度，最终综合音乐评分相似度、步骤(3)中的音乐标签评分相似度和步骤(4)中的音乐标签影响权重，计算得到音乐间的相似度；
设|N(i)|和|N(j)|分别为对音乐i和j有评分的用户数，|N(i)∩N(j)|为同时对音乐i和j有评分的用户数，则用户对音乐的评分相似度计算如下：
Figure BDA0002918174070000072
公式中的分子|N(i)∩N(j)|代表，同时喜欢两首相同歌曲的用户越多，代表两首歌曲的类型越相似，但另一方面来说，喜欢一首歌曲的用户越多，代表该歌曲越热门，因此公式中的分母
Figure BDA0002918174070000073
惩罚了喜欢热门歌曲用户的权重，可以减轻热门歌曲会和很多歌曲相似的可能性。
设I为歌曲i包含的所有音乐标签的集合，I中音乐标签个数为a；J为歌曲j包含的所有音乐标签的集合，J中音乐标签个数为b，则综合音乐标签信息、音乐标签影响权重和评分信息后的音乐间相似度的计算如下：
Figure BDA0002918174070000074
其中，式子左边利用歌曲i和j中包含的多个音乐标签分别对两首歌曲的影响权重，衡量不同组合的音乐标签间相似度对音乐间相似度的影响，式子右边是歌曲i和j之间的评分相似度，α是平衡因子，控制着音乐标签信息和评分信息在计算音乐间相似度过程中的比例。
(7)利用步骤(6)中的音乐间相似度和步骤(2)中用户评分信息，以及用户听歌记录中的时间信息，获取最近邻集合，结合时间因子衰减函数计算用户对近邻音乐的预测评分；
设i为当前时间评分音乐，j为之前的评分音乐，f(i,j)是以i评分为基准的情况下用户对j评分的时间衰减，β是控制衰减速率的参数，Δt表示用户对音乐i和j评分时间的时间差，Δt的单位为天，则时间因子衰减函数的计算如下：
f(i,j)＝e-βΔt
设R1为相似度矩阵中与当前评分音乐i最相似的k个物品的集合，S(i,pj)为音乐i和音乐pj的相似度，则用户u对直接近邻音乐pj的预测评分的计算如下：
Figure BDA0002918174070000081
设N为用户u按时间顺序最近评分的m个物品qx的集合，R2为N中每个音乐qx最相似的k个物品qx,j的集合，S(i,qx,j)为音乐i和音乐qx,j的相似度，则用户u对间接近邻音乐qx,j的预测评分的计算如下：
Figure BDA0002918174070000082
由此产生用户对近邻音乐R1和R2的预测评分，采用Top-N排序方法把评分最高的前N个音乐作为最终的推荐结果推荐给用户。
本发明还提供了一种基于音乐标签和时间信息的音乐推荐系统，包括存储器、处理器及在所述存储器上存储并可运行的音乐推荐程序，所述音乐推荐程序被处理器执行时实现上述基于音乐标签和时间信息的音乐推荐方法中的部分或全部的步骤。

Claims (9)

1.一种基于音乐标签和时间信息的音乐推荐方法，其特征在于，包括以下步骤：
(1)获得用户听歌记录数据和音乐标签数据，根据用户播放每首歌曲的次数，计算用户已听歌曲的播放频率；
(2)根据所述用户已听歌曲的播放频率，计算用户对已听歌曲的评分；
(3)对所述用户对已听歌曲的评分进行标签分类统计，利用分类后的评分计算用户对各个音乐标签的评分，获得“用户-标签”评分矩阵，并根据该矩阵中每个音乐标签对应的有评分的用户数、同时具有相同的两个音乐标签的用户数，计算音乐标签间评分的相似度；
(4)根据音乐标签属性数据集中用户对歌曲中各个音乐标签打标的频次，计算各个音乐标签对每首歌曲的影响权重；
(5)根据所述用户对各个音乐标签的评分及所述各个音乐标签对每首歌曲的影响权重，计算用户对未听歌曲的评分；
(6)根据所述用户对已听歌曲的评分及用户对未听歌曲的评分，得到推算评分矩阵，并根据该矩阵中每首歌曲有评分的用户数、同时对相同两首歌曲有评分的用户数，计算音乐评分相似度，并根据所述综合音乐评分相似度、音乐标签间评分的相似度和各个音乐标签对每首歌曲的影响权重，计算得到音乐间的相似度；
(7)利用所述音乐间的相似度和所述用户对已听歌曲的评分，以及用户听歌记录中的时间信息，获取最近邻集合，结合时间因子衰减函数计算用户对近邻歌曲的预测评分，并采用Top-N排序方法把评分最高的前N个歌曲作为最终的推荐结果推荐给用户。
2.根据权利要求1所述的基于音乐标签和时间信息的音乐推荐方法，其特征在于，步骤(1)中，所述用户已听歌曲的播放频率的计算公式为：
Figure FDA0002918174060000011
其中，Pu(k)为用户u听歌曲k的次数，Pu为用户u听歌总次数。
3.根据权利要求1所述的基于音乐标签和时间信息的音乐推荐方法，其特征在于，步骤(2)中，所述用户对已听歌曲的评分的计算公式为：
Figure FDA0002918174060000021
其中，fi(u)表示用户u收听次数最多歌曲列表的第i首歌曲的播放频率，N表示歌曲列表中的歌曲总数，系数a为歌曲的评分的最大值。
4.根据权利要求1所述的基于音乐标签和时间信息的音乐推荐方法，其特征在于，步骤(3)中，所述用户对各个音乐标签的评分的计算公式为：
Figure FDA0002918174060000022
其中，ru,k为用户u对歌曲k的评分，M为包含音乐标签m属性的音乐集合；
所述音乐标签间评分相似度的计算公式为：
Figure FDA0002918174060000023
其中，|N(m)|和|N(n)|分别为对音乐标签m和n有评分的用户数，|N(m)∩N(n)|为同时对音乐标签m和n有评分的用户数。
5.根据权利要求1所述的基于音乐标签和时间信息的音乐推荐方法，其特征在于，步骤(4)中，各个音乐标签对每首歌曲的影响权重的计算公式为：
Figure FDA0002918174060000024
其中，Ci(m)为所有用户对歌曲i打上音乐标签m属性的频次，Ci为所有用户对歌曲i中标签打标的总频次。
6.根据权利要求1所述的基于音乐标签和时间信息的音乐推荐方法，其特征在于，步骤(5)中，所述用户对未听歌曲的评分的计算公式为：
Figure FDA0002918174060000025
其中，R(u,m)为用户u对音乐标签m的评分，Wm,i为音乐标签m对歌曲i的影响权重，I为歌曲i包含的所有音乐标签的集合。
7.根据权利要求1所述的基于音乐标签和时间信息的音乐推荐方法，其特征在于，步骤(6)中，所述音乐评分相似度的计算公式为：
Figure FDA0002918174060000026
其中，|N(i)|和|N(j)|分别为喜欢歌曲i和j的用户数，|N(i)∩N(j)|为同时喜欢歌曲i和j的用户数；
所述音乐间的相似度的计算公式为：
Figure FDA0002918174060000031
其中，St(m,n)为音乐标签m和n间评分相似度，Wm,i为音乐标签m对歌曲i的影响权重，Wn,j为音乐标签n对歌曲j的影响权重；I为歌曲i包含的所有音乐标签的集合，a为I中音乐标签的个数；J为歌曲j包含的所有标签的集合，b为J中音乐标签的个数，α是平衡因子。
8.根据权利要求1所述的基于音乐标签和时间信息的音乐推荐方法，其特征在于，所述步骤(7)中时间因子衰减函数的计算公式为：
f(i,j)＝e-βΔt
其中，i为当前时间评分歌曲，j为历史的评分歌曲，f(i,j)是以歌曲i的评分为基准的情况下用户对歌曲j评分的时间衰减，β是控制衰减速率的参数，Δt表示用户对歌曲i和j评分时间的时间差；
用户u对直接近邻歌曲pj的预测评分的计算公式为：
Figure FDA0002918174060000032
其中，R1为相似度矩阵中与当前评分歌曲i最相似的k个物品的集合，S(i,pj)为歌曲i和歌曲pj的相似度，f(i,i)为时间衰减因子；
用户u对间接近邻歌曲qx,j的预测评分的计算公式为：
Figure FDA0002918174060000033
其中，N为用户u按时间顺序最近评分的m个物品qx的集合，R2为N中每个歌曲qx最相似的k个物品qx,j的集合，S(i,qx,j)为歌曲i和歌曲qx,j的相似度，f(i,qx)为时间衰减因子。
9.一种基于音乐标签和时间信息的音乐推荐系统，其特征在于，该系统包括：存储器、处理器及在所述存储器上存储并可运行的音乐推荐程序，所述音乐推荐程序被处理器执行时实现如权利要求1至8中任一项所述基于音乐标签和时间信息的音乐推荐方法的步骤。
CN202110107861.XA 2021-01-27 2021-01-27 基于音乐标签和时间信息的音乐推荐方法及系统 Active CN112800270B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110107861.XA CN112800270B (zh) 2021-01-27 2021-01-27 基于音乐标签和时间信息的音乐推荐方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110107861.XA CN112800270B (zh) 2021-01-27 2021-01-27 基于音乐标签和时间信息的音乐推荐方法及系统

Publications (2)

Publication Number Publication Date
CN112800270A true CN112800270A (zh) 2021-05-14
CN112800270B CN112800270B (zh) 2022-10-14

Family

ID=75811950

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110107861.XA Active CN112800270B (zh) 2021-01-27 2021-01-27 基于音乐标签和时间信息的音乐推荐方法及系统

Country Status (1)

Country Link
CN (1) CN112800270B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113806688A (zh) * 2021-09-30 2021-12-17 中孚安全技术有限公司 一种基于指数衰减的标签影响度计算方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101984437A (zh) * 2010-11-23 2011-03-09 亿览在线网络技术（北京）有限公司 音乐资源个性化推荐方法及系统
CN102156747A (zh) * 2011-04-21 2011-08-17 清华大学 一种引入社会化标签的协作过滤评分预测方法及装置
US9235853B2 (en) * 2012-09-11 2016-01-12 Google Inc. Method for recommending musical entities to a user
CN107341687A (zh) * 2017-06-01 2017-11-10 华南理工大学 一种基于多维标签与分类排序的推荐算法
CN108009181A (zh) * 2016-10-28 2018-05-08 北京酷我科技有限公司 一种电台推荐方法及系统
CN110427567A (zh) * 2019-07-24 2019-11-08 东北大学 一种基于用户偏好相似度加权的协同过滤推荐方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101984437A (zh) * 2010-11-23 2011-03-09 亿览在线网络技术（北京）有限公司 音乐资源个性化推荐方法及系统
CN102156747A (zh) * 2011-04-21 2011-08-17 清华大学 一种引入社会化标签的协作过滤评分预测方法及装置
US9235853B2 (en) * 2012-09-11 2016-01-12 Google Inc. Method for recommending musical entities to a user
CN108009181A (zh) * 2016-10-28 2018-05-08 北京酷我科技有限公司 一种电台推荐方法及系统
CN107341687A (zh) * 2017-06-01 2017-11-10 华南理工大学 一种基于多维标签与分类排序的推荐算法
CN110427567A (zh) * 2019-07-24 2019-11-08 东北大学 一种基于用户偏好相似度加权的协同过滤推荐方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113806688A (zh) * 2021-09-30 2021-12-17 中孚安全技术有限公司 一种基于指数衰减的标签影响度计算方法及系统

Also Published As

Publication number Publication date
CN112800270B (zh) 2022-10-14

Similar Documents

Publication Publication Date Title
US11868391B2 (en) User-specific media playlists
Afoudi et al. Hybrid recommendation system combined content-based filtering and collaborative prediction using artificial neural network
CN110162706B (zh) 一种基于交互数据聚类的个性化推荐方法及系统
US7953735B2 (en) Information processing apparatus, method and program
Basu et al. Recommendation as classification: Using social and content-based information in recommendation
US10417576B2 (en) Information processing apparatus and method, and program thereof
US7745718B2 (en) Music-piece classifying apparatus and method, and related computer program
US8117211B2 (en) Information processing device and method, and program
CN112667899A (zh) 基于用户兴趣迁移的冷启动推荐方法、装置及存储设备
CN107220365A (zh) 基于协同过滤与关联规则并行处理的精准推荐系统及方法
CN101551825A (zh) 基于属性描述的个性化影片推荐系统及方法
CN111737418B (zh) 搜索词和商品的相关性预测方法、设备和存储介质
CN102156747B (zh) 一种引入社会化标签的协作过滤评分预测方法及装置
CN111310038B (zh) 信息推荐方法、装置、电子设备及计算机可读存储介质
CN112950325B (zh) 一种社交行为融合的自注意力序列推荐方法
CN111444380B (zh) 音乐搜索排序方法、装置、设备和存储介质
CN111428074B (zh) 音频样本生成方法、装置、计算机设备及存储介质
CN110083764A (zh) 一种协同过滤算法冷启动问题的解决方法
CN111858969A (zh) 多媒体数据推荐方法、装置、计算机设备和存储介质
CN112800270B (zh) 基于音乐标签和时间信息的音乐推荐方法及系统
CN115630173B (zh) 一种基于兴趣度分析的用户数据管理方法
CN108287902B (zh) 一种基于数据非随机缺失机制的推荐系统方法
Naik et al. Personalized Music Recommendation System: Combining Collaborative Filtering and Semantic Analysis.
CN114510918A (zh) 专家匹配方法和装置
Bethapudi Spotify Data Analysis and Song Popularity Prediction

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