[發(fā)明專(zhuān)利]一種音樂(lè)推薦方法和系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201410203035.5
• 申請(qǐng)日: 2014-05-14
• 公開(kāi)（公告）號(hào): CN103970873B
• 公開(kāi)（公告）日: 2018-02-13
• 發(fā)明（設(shè)計(jì)）人: 湯雅妃;張?jiān)朴?/a>;魏進(jìn)武;李璐穎;李丹;李衛(wèi);張基恒;張呈宇;霍玉嵩
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中國(guó)聯(lián)合網(wǎng)絡(luò)通信集團(tuán)有限公司
• 主分類(lèi)號(hào): G06F17/30
• 分類(lèi)號(hào): G06F17/30
• 代理公司: 北京安信方達(dá)知識(shí)產(chǎn)權(quán)代理有限公司11262
• 代理人: 栗若木,白瑩

技術(shù)領(lǐng)域

本發(fā)明涉及智能推薦技術(shù)，尤指一種基于移動(dòng)終端的音樂(lè)推薦方法和系統(tǒng)。

背景技術(shù)

隨著移動(dòng)通信帶寬的增加、終端處理能力的增強(qiáng)、以及傳感技術(shù)的發(fā)展，越來(lái)越多的用戶(hù)通過(guò)移動(dòng)終端來(lái)收聽(tīng)音樂(lè)。移動(dòng)用戶(hù)的聽(tīng)歌喜好通常會(huì)隨著時(shí)間、空間、天氣、身體狀況不同而變化，傳統(tǒng)的音樂(lè)推薦系統(tǒng)已不適用于個(gè)性化移動(dòng)網(wǎng)絡(luò)服務(wù)領(lǐng)域。近年來(lái)，基于上下文感知的音樂(lè)推薦系統(tǒng)通過(guò)將上下文信息引入推薦系統(tǒng)，成為一個(gè)新興的研究領(lǐng)域。在研究中發(fā)現(xiàn)，把上下文信息融入推薦系統(tǒng)，相當(dāng)于把傳統(tǒng)的“用戶(hù)-項(xiàng)目”二維評(píng)分效用模型擴(kuò)展為包含多種上下文信息的多維評(píng)分效用模型，有利于提高推薦精確度。因此利用移動(dòng)終端提供的位置、時(shí)間、空間、天氣等上下文信息，推薦更符合用戶(hù)偏好、當(dāng)前心情和周?chē)h(huán)境的音樂(lè)，具有重要的研究意義。

目前，基于上下文信息的音樂(lè)推薦方法通常采用了“多維推薦”轉(zhuǎn)化為“二維推薦”的設(shè)計(jì)思路，在推薦結(jié)果生成之前、生成之后或者生成的過(guò)程中，利用當(dāng)前上下文信息過(guò)濾掉與當(dāng)前上下文信息不匹配的數(shù)據(jù)，同時(shí)采用傳統(tǒng)二維推薦技術(shù)(包含協(xié)同過(guò)濾、基于內(nèi)容的過(guò)濾、基于知識(shí)的過(guò)濾、混合式過(guò)濾等)生成推薦結(jié)果。因?yàn)槔昧藗鹘y(tǒng)推薦系統(tǒng)的成熟技術(shù)，此類(lèi)方法成為目前應(yīng)用最廣的上下文感知推薦方法。

然而，現(xiàn)有技術(shù)在音樂(lè)與用戶(hù)的匹配過(guò)程只考慮了用戶(hù)的上下文信息，缺乏對(duì)音樂(lè)內(nèi)容的深層解析，認(rèn)為所有音樂(lè)都是同質(zhì)的，音樂(lè)的不同屬性來(lái)自用戶(hù)在不同情境下對(duì)音樂(lè)具有的不同喜好程度，即由音樂(lè)的用戶(hù)屬性對(duì)不同音樂(lè)進(jìn)行差異化區(qū)分，從而忽略了音樂(lè)作為一類(lèi)多媒體文件，其自身具有的上下文屬性。這種推薦方法過(guò)于主觀，降低了用戶(hù)與音樂(lè)的耦合性，從而對(duì)推薦系統(tǒng)的精度有所影響。

發(fā)明內(nèi)容

為了解決上述問(wèn)題，本發(fā)明提出了一種音樂(lè)推薦方法和系統(tǒng)，能夠進(jìn)一步提高音樂(lè)推薦精度。

為了達(dá)到上述目的，本發(fā)明提出了一種音樂(lè)推薦方法，應(yīng)用于移動(dòng)終端，預(yù)先獲取音樂(lè)的上下文信息，該方法包括：

獲取用戶(hù)的上下文信息；

計(jì)算所述用戶(hù)的上下文信息和所述音樂(lè)的上下文信息之間的匹配度，將計(jì)算得到的匹配度較大的K首音樂(lè)推薦給所述用戶(hù)，其中，K為大于等于1的整數(shù)。

優(yōu)選地，所述預(yù)先獲取音樂(lè)的上下文信息包括：

獲取所述音樂(lè)的用戶(hù)層的上下文信息和所述音樂(lè)的物理層的上下文信息；

將所述音樂(lè)的用戶(hù)層的上下文信息和所述音樂(lè)的物理層的上下文信息進(jìn)行加權(quán)平均得到所述音樂(lè)的上下文信息。

優(yōu)選地，所述音樂(lè)的用戶(hù)層的上下文信息，或所述音樂(lè)的物理層的上下文信息，或所述用戶(hù)的上下文信息包括：時(shí)間信息、空間信息、位置信息、環(huán)境信息、天氣信息、狀態(tài)信息和情緒信息中的一種或多種。

優(yōu)選地，所述獲取音樂(lè)的用戶(hù)層的上下文信息包括：

實(shí)時(shí)獲取各用戶(hù)對(duì)音樂(lè)的訪(fǎng)問(wèn)行為，并生成訪(fǎng)問(wèn)記錄；

對(duì)生成的訪(fǎng)問(wèn)記錄進(jìn)行統(tǒng)計(jì)，根據(jù)統(tǒng)計(jì)結(jié)果獲得音樂(lè)的用戶(hù)層的時(shí)間信息、空間信息、位置信息、環(huán)境信息和天氣信息中的一種或多種；

根據(jù)各用戶(hù)的訪(fǎng)問(wèn)記錄采用模型的方法獲得音樂(lè)的用戶(hù)層的狀態(tài)信息和/或情緒信息。

優(yōu)選地，計(jì)算所述用戶(hù)的上下文信息和所述音樂(lè)的上下文信息之間的匹配度包括：

計(jì)算所述用戶(hù)的上下文信息和所述音樂(lè)的上下文信息各維度的KL距離；

將計(jì)算得到的各維度的KL距離進(jìn)行加權(quán)平均得到所述用戶(hù)的上下文信息和所述音樂(lè)的上下文信息之間的匹配度。

本發(fā)明還提出了一種音樂(lè)推薦系統(tǒng)，至少包括移動(dòng)終端和服務(wù)；

所述移動(dòng)終端至少包括：

第一獲取模塊，用于獲取用戶(hù)的上下文信息，將獲得的上下文信息發(fā)送給服務(wù)器；

推薦模塊，用于將來(lái)自服務(wù)器的K首音樂(lè)推薦給所述用戶(hù)；

所述服務(wù)器至少包括：

存儲(chǔ)模塊，用于保存預(yù)先獲取的音樂(lè)的上下文信息；

計(jì)算模塊，用于計(jì)算所述用戶(hù)的上下文信息和所述音樂(lè)的上下文信息之間的匹配度；

發(fā)送模塊，用于將計(jì)算得到的匹配度較大的K首音樂(lè)發(fā)送給所述移動(dòng)終端，其中，K為大于等于1的整數(shù)；所述服務(wù)器還包括：第二獲取模塊，用于預(yù)先獲取音樂(lè)的上下文信息；

或者所述音樂(lè)推薦系統(tǒng)還包括：

獲取裝置，用于預(yù)先獲取音樂(lè)的上下文信息。

優(yōu)選地，所述第二獲取模塊或所述獲取裝置具體用于：

獲取所述音樂(lè)的用戶(hù)層的上下文信息和所述音樂(lè)的物理層的上下文信息；將所述音樂(lè)的用戶(hù)層的上下文信息和所述音樂(lè)的物理層的上下文信息進(jìn)行加權(quán)平均得到所述音樂(lè)的上下文信息。