[發明專利]一種基于特征遞增的混合型個性化音樂推薦方法

有效

• 申請號: 201910341513.1
• 申請日: 2019-04-26
• 公開（公告）號: CN110134820B
• 公開（公告）日: 2020-12-11
• 發明（設計）人: 姜文君;劉桂梅;任德盛;王國軍
• 申請（專利權）人: 湖南大學
• 主分類號: G06F16/635
• 分類號: G06F16/635;G06F16/68;G06F16/9535;G06F40/284;G06K9/62
• 代理公司: 深圳市興科達知識產權代理有限公司 44260
• 代理人: 王翀;賈慶

1.一種基于特征遞增的混合型個性化音樂推薦方法，其特征在于，包括如下步驟：

步驟一、數據收集與預處理：收集歌曲的歌詞以及評論文本、用戶的聽歌記錄和用戶關注關系數據，并進行預處理；

步驟二、文本分詞：使用詞法分析工具對歌詞L和評論C文本進行分詞，得到詞語表示的文本；

步驟三、音樂情感矩陣構建：首先用情感詞典對分詞后的歌詞L和評論C文本進行情感詞匹配，找到情感詞；再根據情感詞在四個情感維度上對應的情感值，構建四個情感矩陣E_dj，其中d表示情感維度，j表示歌曲；

步驟四、音樂情感向量構建：使用SVD奇異值分解算法對情感矩陣E_dj進行降維處理，得到歌曲j在情感維度上的四個情感矩陣e_dj，并將基于情感維度上的四個情感矩陣e_dj進行合并得到歌曲j的情感向量e_j，其中d表示情感維度，j表示歌曲；

步驟五、計算目標用戶的聽歌喜好類別以及權重：首先采用聚類算法對目標用戶u的聽歌記錄R中歌曲的情感向量e_j進行分類處理，得到目標用戶u的聽歌喜好類別C_ui；然后根據類別C_ui中的樣本個數m_ui與目標用戶u的樣本總數M_u的比值計算每個類別C_ui的權重w_ui；其中u表示目標用戶，i表示第幾個類別，j表示歌曲；

步驟六、候選推薦歌曲的選取以及相似度的計算：首先基于目標用戶u的關注關系，找到目標用戶感興趣的其他用戶v，從用戶v的聽歌記錄中選取用戶v喜好但目標用戶u未聽的歌曲作為候選推薦歌曲h；然后對候選推薦歌曲基于歌詞以及評論文本進行情感分析，得到候選推薦歌曲的情感向量e_h；再結合目標用戶u的聽歌記錄R的分類結果，使用高斯函數計算候選推薦歌曲h與目標用戶u的聽歌喜好類別C_ui之間的相似度S_hCui；

步驟七：推薦歌曲的計算：基于候選推薦歌曲h與目標用戶u的聽歌喜好類別C_ui之間的相似度S_hCui和目標用戶u的聽歌喜好類別C_ui的權重w_ui計算目標用戶u對候選推薦歌曲h的喜好程度值g_uh，當g_uh大于閾值t時，就將候選推薦歌曲h加入推薦列表CL中，否則放棄候選推薦歌曲h，

步驟八、重復步驟六和步驟七直到尋找到音樂推薦項或設定數量的音樂推薦項。

2.如權利要求1所述的基于特征遞增的混合型個性化音樂推薦方法，其特征在于，所述步驟一中數據收集與預處理為：

首先從網易云音樂平臺上爬取音樂信息以及評論信息、用戶的聽歌記錄和用戶關注關系；然后使用SQL語句對數據進行處理，整理形成數據集，數據集含有三張數據表，三張數據表分別為歌曲信息表、用戶聽歌記錄表和用戶關注關系表；所述歌曲信息表包括歌曲id、歌名、歌手、歌詞和評論文本、用戶聽歌記錄表包括用戶id、用戶名、歌曲id、歌名和歌曲score值，用戶關注關系表包括用戶一id、用戶二id、關注關系。

3.如權利要求1所述的基于特征遞增的混合型個性化音樂推薦方法，其特征在于，所述詞法分析工具為THULAC工具；所述情感詞典為SenticNet情感詞典。

4.如權利要求1所述的基于特征遞增的混合型個性化音樂推薦方法，其特征在于，所述步驟三中音樂情感矩陣的構建方法為：

首先每首歌取頻率最高的前n-1條評論加歌詞文本作為一個文本就為n個文本；然后將分詞后的歌詞和評論文本分別與情感詞典進行情感詞匹配；再將匹配到的情感詞較大的數目作為標準，設為k，情感詞數目不足k的，使用0進行填充；然后根據每個文本中的情感詞在四個情感維度上的情感值構建四個情感矩陣E_dj；其中四個情感維度分別為愉悅度、注意力、靈敏度、傾向度，這四個情感維度來源于SenticNet情感詞典，E_dj為k*n維的矩陣，d表示情感維度，j表示歌曲。