[发明专利]一种个性化音乐推荐方法及系统

说明书

技术领域

本发明涉及一种音乐数据处理服务，特别是涉及一种个性化音乐推荐方法及系统。

背景技术

用户在收听歌曲时通常利用两种途径，一种是使用传统的音频播放器在本地播放，另一种是通过网络进行在线搜索或试听。传统的音频播放器只能播放用户已有的音乐文件，不能拓展用户的收听范围，不能帮助用户根据其兴趣爱好而发掘其他歌曲。通过网络在线搜索试听的方式，解决了扩展用户的收听范围的问题。在现有技术中，基于网络还可以实现为用户推荐歌曲。推荐一般采用两种方式实现：基于选择一致性产生推荐以及基于协同过滤产生推荐。

以选择一致性为例，现有技术的歌曲推荐通过如下方式实现：用户终端通过网络连接至服务器端。服务器端设置有用户行为提取模块、用户口味分析模块以及基于口味的内容过滤模块。

用户终端每次对歌曲进行操作所产生的操作数据均发送至该服务器端。该用户行为提取模块接收该操作数据，该用户口味分析模块根据累积的该操作数据分析用户的口味，例如用户偏向于收听流行歌曲，则该内容过滤模块针对服务器中存储的歌曲内容进行过滤，依照该口味生成关于流行歌曲的推荐列表，并发送至该用户终端。

上述现有技术存在的问题在于，用户的口味通常是随时间变化的，不但有随着长时间跨度而发生的缓慢的无周期规律的变化，而且有按照天、星期等短时间跨度和应用场景而发生的周期性变化。例如：上个月喜欢听爱情相关的歌曲，这个月可能就会喜欢听励志歌曲；早上上班路上喜欢听振奋精神的音乐，晚上可能会喜欢听悠扬的器乐歌曲。而现有技术无法准确识别出由于时间变化所带来的用户口味差异，无法基于时间属性给出相应的推荐内容。

另外，用户的口味通常是以固定组合形式出现的，例如用户可能会喜欢听美国歌手演唱的乡村音乐和中国歌手演唱的RAP音乐。如果仅机械的识别出用户具有乡村音乐和RAP音乐的口味，而忽略了演唱歌手的因素，为用户推荐了中国或美国歌手演唱的乡村音乐或者RAP音乐，则将出现噪声推荐数据，不符合用户的需求，降低了用户体验度。

同时，现有技术还无法根据用户的反馈数据，调整推荐内容。

发明内容

本发明公开了一种个性化音乐推荐方法及系统，用于发现与时间相关的用户口味，并根据该口味为用户推荐符合该用户口味的歌曲。

更进一步的，本发明根据用户对推荐内容的反馈数据进一步调整推荐内容。

为解决上述问题，本发明公开了一种个性化音乐推荐方法，应用于音乐推荐服务器中，包括如下步骤：

步骤1，音乐推荐服务器根据用户终端针对歌曲的操作生成用户行为数据，该用户行为数据包括操作时间标签、操作次数标签和歌曲标签；

步骤2，对该用户行为数据进行聚类计算，得到多个结果标签；

步骤3，对该用户行为数据的操作次数依据其所处时段进行加权处理，越临近当前时刻的时段权重越高；

步骤4，针对加权处理后的该用户行为数据进行归一化处理；

步骤5，对该多个结果标签进行排列组合，将该归一化后的用户行为数据依次与每种排列组合进行多维相似度计算，根据该计算结果得到用户口味，并从用户口味中选取用户口味模型；

步骤6，音乐推荐服务器根据该用户口味模型，为用户终端推荐歌曲。

更进一步的，本发明还公开了一种个性化音乐推荐服务系统，包括音乐推荐服务器与至少一用户终端，该音乐推荐服务器包括：

用户数据存储管理模块，用于接收用户终端针对歌曲进行的操作数据，并据以生成用户行为数据，该用户行为数据包括操作时间标签、操作次数标签和歌曲标签；

相似度计算模块，基于相似度计算对该用户行为数据进行聚类计算，得到多个结果标签；

用户口味发现模块，包括加权处理模块、归一化模块以及用户口味模型选择模块，该加权处理模块用于对该用户行为数据的操作次数依据其所处时段进行加权处理，越临近当前时刻的时段权重越高，该归一化模块用于针对加权处理后的该用户行为数据进行归一化处理，该用户口味模型选择模块用于对该多个结果标签进行排列组合，调用该相似度计算模块将该归一化后的用户行为数据依次与每种排列组合进行多维相似度计算，根据该计算结果得到用户口味，并从用户口味中选取用户口味模型；

推荐过滤模块，用于根据该用户口味模型，为用户终端推荐歌曲。

本发明实现的技术效果在于，发掘用户口味，并体现出与时间相关联的用户口味，能够体现出口味组合，提高所发掘的用户口味的准确度。并自适应的根据用户对推荐内容的反馈数据调整推荐策略与推荐内容。

附图说明