[发明专利]一种标签推荐歌曲的方法及系统

权利要求书

1.一种标签推荐歌曲的方法，其特征在于，包括：

根据目标用户的歌曲播放行为及歌曲来源，建立听歌偏好模型；

通过统计所述目标用户的歌曲播放日志，基于用户投票算法获得歌曲评分模型，根据所述歌曲评分模型将歌曲评分达到预设阈值的歌曲归入好歌库；

根据所述听歌偏好模型以及歌曲标签和所述好歌库中歌曲的对应关系，获得标签偏好；

根据所述标签偏好和所述歌曲评分模型确定所述好歌库中歌曲的分值，按照歌曲分值排序向目标用户推荐歌曲。

2.根据权利要求1所述的方法，其特征在于，所述听歌偏好模型包括第一预设期限偏好模型和第二预设期限偏好模型，所述第一预设期限偏好模型和所述第二预设期限偏好模型通过以下步骤建立：

解析所述目标用户的歌曲播放日志，获取所述目标用户当日的歌曲播放行为和歌曲来源；

根据所述歌曲播放行为对应的权重以及所述歌曲来源对应的权重，统计所述目标用户的当日歌曲偏好；

合并第一预设期限内所述目标用户的当日歌曲偏好，得到所述第一预设期限偏好模型；以及，合并第二预设期限内所述目标用户的当日歌曲偏好，得到所述第二预设期限偏好模型。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

根据所述目标用户在第一预设期限内播放的每首歌曲的播放量，对每首歌曲的歌曲偏好进行热度降权和归一化处理，得到处理后的第一预设期限偏好模型；

以及，根据所述目标用户在第二预设期限内播放的每首歌曲的播放量对每首歌曲的歌曲偏好进行热度降权和归一化处理，得到处理后的第二预设期限偏好模型。

4.根据权利要求1所述的方法，其特征在于，所述根据所述听歌偏好模型以及歌曲标签和所述好歌库中的歌曲的对应关系，获得标签偏好，包括以下步骤：

通过所述听歌偏好模型获得歌曲的第一评分；

根据歌曲标签和所述好歌库中的歌曲的对应关系，将所述歌曲的第一评分累加到歌曲对应的标签上，获得标签偏好。

5.根据权利要求1所述的方法，其特征在于，所述根据所述标签偏好和所述歌曲评分模型确定所述好歌库中歌曲的分值，按照歌曲分值排序向目标用户推荐歌曲，包括以下步骤：

通过标签偏好得到所述好歌库中歌曲对应标签的分值；

以及，通过歌曲评分模型得到所述好歌库中歌曲的第二评分；

所述标签的分值与该标签下歌曲的第二评分相乘，确定所述好歌库中歌曲的分值；

按照所述歌曲分值排序向目标用户推荐歌曲。

6.一种标签推荐歌曲的系统，其特征在于，包括：

建立模块，用于根据目标用户的歌曲播放行为及歌曲来源，建立听歌偏好模型；

统计模块，用于通过统计所述目标用户的歌曲播放日志，基于用户投票算法获得歌曲评分模型，根据所述歌曲评分模型将歌曲评分达到预设阈值的歌曲归入好歌库；

获取模块，用于根据所述听歌偏好模型以及歌曲标签和所述好歌库中的歌曲的对应关系，获得标签偏好；

推荐模块，用于根据所述标签偏好和所述歌曲评分模型确定所述好歌库中歌曲的分值，按照歌曲分值排序向目标用户推荐歌曲。

7.根据权利要求6所述的系统，其特征在于，所述建立模块，具体用于解析所述目标用户的歌曲播放日志，获取所述目标用户当日的歌曲播放行为和歌曲来源；根据所述歌曲播放行为对应的权重以及所述歌曲来源对应的权重，统计所述目标用户的当日歌曲偏好；合并第一预设期限内所述目标用户的当日歌曲偏好，得到所述第一预设期限偏好模型；以及，合并第二预设期限内所述目标用户的当日歌曲偏好，得到所述第二预设期限偏好模型。

8.根据权利要求7所述的系统，其特征在于，所述建立模块，还用于根据所述目标用户在第一预设期限内播放的每首歌曲的播放量，对每首歌曲的歌曲偏好进行热度降权和归一化处理，得到处理后的第一预设期限偏好模型；以及，根据所述目标用户在第二预设期限内播放的每首歌曲的播放量，对每首歌曲的歌曲偏好进行热度降权和归一化处理，得到处理后的第二预设期限偏好模型。