[發(fā)明專利]一種電臺(tái)推薦方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201610972551.3
• 申請(qǐng)日: 2016-10-28
• 公開（公告）號(hào): CN108009181B
• 公開（公告）日: 2021-03-19
• 發(fā)明（設(shè)計(jì)）人: 王志鵬;高玉敏
• 申請(qǐng)（專利權(quán)）人: 北京酷我科技有限公司
• 主分類號(hào): G06F16/635
• 分類號(hào): G06F16/635
• 代理公司: 北京億騰知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11309
• 代理人: 陳霽

1.一種電臺(tái)推薦方法，其特征在于，包括：

根據(jù)用戶的聽歌行為和聽歌來源得到用戶播放歌曲的偏好得分,進(jìn)而根據(jù)所述偏好得分形成用戶聽歌偏好矩陣；其中，所述聽歌行為包括主動(dòng)聽歌行為和被動(dòng)聽歌行為；所述主動(dòng)聽歌行為包括：紅心、取消紅心、下載、收藏、搜索、購(gòu)買、本地上傳中的至少一種；所述被動(dòng)聽歌行為包括：播放、完整收聽中的至少一種；所述聽歌偏好矩陣為[Mx N]，Mx表示M個(gè)聽歌用戶，N表示每個(gè)用戶的聽歌記錄里保留的前N首歌曲，M、N為大于等于1的自然數(shù)；

根據(jù)所述主動(dòng)聽歌行為和所述用戶播放歌曲的偏好得分從用戶聽歌偏好矩陣選擇歌曲生成播放列表，并利用深度學(xué)習(xí)工具把對(duì)歌曲文本內(nèi)容的處理簡(jiǎn)化為K維向量空間中的向量運(yùn)算，以及計(jì)算所述播放列表中每一首歌曲與所述播放列表中其它歌曲的相似度，并依據(jù)所述播放列表中每一首歌曲與所述播放列表中其他歌曲的相似度形成用戶聽歌相似矩陣；其中，所述計(jì)算所述播放列表中每一首歌曲與所述播放列表中其他歌曲的相似度包括：其中，為播放列表中每一首歌曲的向量，為播放列表中其它歌曲的向量；

根據(jù)所述用戶聽歌偏好矩陣和所述用戶聽歌相似矩陣選擇歌曲，并對(duì)所述選擇歌曲中每一首歌曲相似得分進(jìn)行計(jì)算，將相似得分高的歌曲作為最終推薦的歌曲；

根據(jù)所述最終推薦的歌曲構(gòu)造歌曲電臺(tái)，將所述電臺(tái)推薦給用戶。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，根據(jù)用戶的聽歌行為和聽歌來源得到用戶播放歌曲的偏好得分,進(jìn)而根據(jù)所述偏好得分形成用戶聽歌偏好矩陣的步驟之后還包括：

根據(jù)歌曲時(shí)間衰減、歌曲熱度降權(quán)更新用戶聽歌記錄歌曲的偏好得分，進(jìn)而更新所述用戶聽歌偏好矩陣。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述方法還包括：根據(jù)用戶行為構(gòu)建任務(wù)事件模型，并對(duì)任務(wù)事件模型的標(biāo)簽進(jìn)行權(quán)重計(jì)算，進(jìn)而將用戶畫像信息標(biāo)簽化；其中，任務(wù)事件模型的標(biāo)簽包括時(shí)間標(biāo)簽、地點(diǎn)標(biāo)簽、事件標(biāo)簽和用戶標(biāo)簽。

4.根據(jù)權(quán)利要求1或3所述的方法，其特征在于，所述方法還包括的步驟為：

根據(jù)用戶畫像信息從最終推薦歌曲中選擇與所述用戶畫像信息最匹配的歌曲構(gòu)建歌曲電臺(tái)，并將電臺(tái)推薦給用戶。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述主動(dòng)聽歌行為包括：關(guān)注歌曲、下載歌曲、收藏歌曲、搜索歌曲、購(gòu)買歌曲和本地上傳歌曲中的一種或多種行為；

所述被動(dòng)聽歌行為包括：播放、完整收聽中的一種或多種行為。

6.一種電臺(tái)推薦系統(tǒng)，其特征在于，包括：第一構(gòu)造單元(10)、第二構(gòu)造單元(20)、選擇單元(30)和第三構(gòu)造單元(40)；

所述第一構(gòu)造單元(10)用于根據(jù)用戶的聽歌行為和聽歌來源得到用戶播放歌曲的偏好得分,進(jìn)而根據(jù)所述偏好得分形成用戶聽歌偏好矩陣；其中，所述聽歌行為包括主動(dòng)聽歌行為和被動(dòng)聽歌行為；所述主動(dòng)聽歌行為包括：紅心、取消紅心、下載、收藏、搜索、購(gòu)買、本地上傳中的至少一種；所述被動(dòng)聽歌行為包括：播放、完整收聽中的至少一種；所述聽歌偏好矩陣為[Mx N]，Mx表示M個(gè)聽歌用戶，N表示每個(gè)用戶的聽歌記錄里保留的前N首歌曲，M、N為大于等于1的自然數(shù)；

所述第二構(gòu)造單元(20)用于根據(jù)所述主動(dòng)聽歌行為和所述用戶播放歌曲的偏好得分從用戶聽歌偏好矩陣選擇歌曲生成播放列表，并利用深度學(xué)習(xí)工具把對(duì)歌曲文本內(nèi)容的處理簡(jiǎn)化為K維向量空間中的向量運(yùn)算，以及計(jì)算所述播放列表中每一首歌曲與所述播放列表中其它歌曲的相似度，并依據(jù)所述播放列表中每一首歌曲與所述播放列表中其他歌曲的相似度形成用戶聽歌相似矩陣；其中，所述計(jì)算所述播放列表中每一首歌曲與所述播放列表中其他歌曲的相似度包括：其中，為播放列表中每一首歌曲的向量，為播放列表中其它歌曲的向量；

所述選擇單元(30)用于根據(jù)所述用戶聽歌偏好矩陣和所述用戶聽歌相似矩陣選擇歌曲，并對(duì)所述選擇歌曲中每一首歌曲相似得分進(jìn)行計(jì)算，將相似得分高的歌曲作為最終推薦的歌曲；

所述第三構(gòu)造單元(40)用于根據(jù)所述最終推薦的歌曲構(gòu)造歌曲電臺(tái)，將所述電臺(tái)推薦給用戶。