[发明专利]一种基于用户长短期偏好的音乐列表推荐方法及系统

权利要求书

1.一种基于用户长短期偏好的音乐列表推荐方法，其特征在于，包括如下步骤：

S1、根据用户喜欢的歌曲列表提取用户对音乐的长期偏好；

S2、根据用户的历史播放记录提取用户对音乐的短期偏好；

S3、根据所述用户对音乐的长期偏好以及对音乐的短期偏好分别利用基于注意力的长短期记忆模型AB-LSTM和IAB-LSTM向用户推荐喜欢歌曲，从而完成音乐列表的推荐；

所述步骤S3中利用基于注意力的长短期记忆模型AB-LSTM向用户推荐喜欢歌曲，包括如下步骤：

E1、根据用户的历史播放记录以及用户对音乐的长期偏好构建长短期记忆模型AB-LSTM；

E2、根据每个时间步t用户的历史播放记录中歌曲的潜在特征分布式向量S_t.v∈R^k以及用户的特征矩阵e^U得到长短期记忆模型AB-LSTM的隐藏层中时间步t的隐藏状态h_t，所述隐藏状态h_t的表达式如下：

h_t＝LSTM(h_t-1,x_t)

其中，x_t表示时间步t时刻输入的对应歌曲s的歌曲特征和用户u在时间步t时刻的上下文信息，LSTM(·)表示长短期记忆模型AB-LSTM公式；

E3、根据所述隐藏状态h_t得到每个时间步t用户喜欢的歌曲的概率向量所述概率向量的表达式如下：

其中，W和b分别表示单层神经网络g的参数，softmax(·)归一化指数函数；

E4、选择最后一个时间步输出的概率向量作为用户的喜欢的歌曲的概率向量p^u；

E5、根据所述概率向量p^u将用户喜欢的歌曲的概率最高的前k首歌曲作为用户的推荐音乐列表，从而完成利用基于注意力的长短期记忆模型AB-LSTM向用户推荐喜欢的歌曲。

2.根据权利要求1所述的基于用户长短期偏好的音乐列表推荐方法，其特征在于，所述步骤S1包括如下步骤：

A1、根据用户喜欢的歌曲列表利用矩阵分解法MF得到用户对音乐的偏好特征；

A2、根据用户喜欢的歌曲列表中歌曲的歌词和评论以及歌曲列表中的公开歌单提取音乐特征；

A3、根据所述用户对音乐的偏好特征以及所述音乐特征得到用户对音乐的长期偏好。

3.根据权利要求2所述的基于用户长短期偏好的音乐列表推荐方法，其特征在于，所述步骤A1包括如下步骤：

B1、根据用户喜欢的歌曲列表生成一个N×M的用户歌曲评分矩阵e^S，其中，N表示用户数量，M表示歌曲数量；

B2、利用矩阵分析法MF将所述用户歌曲评分矩阵e^S投射至一个隐空间中，得到用户特征矩阵e^U和歌曲特征矩阵e^S的内积；

B3、根据用户特征矩阵e^U和歌曲特征矩阵e^S的内积，利用梯度下降算法计算得到用户特征矩阵e^U和歌曲特征矩阵e^S，其表达式如下：

其中，K表示用户喜欢的音乐列表中<用户，歌曲>对的数量，r_u,s表示用户u对歌曲s的评分，表示用户u对音乐的偏好特征，表示歌曲s的潜在特征的转置，表示歌曲s的潜在特征，λ为正则化系数；

B4、根据所述用户特征矩阵e^U得到用户对音乐的偏好特征。

4.根据权利要求2所述的基于用户长短期偏好的音乐列表推荐方法，其特征在于，所述步骤A2具体为：

根据用户喜欢的歌曲列表中歌曲的歌词和评论分别提取歌曲的潜在特征歌词和评论的语义特征，并根据用户喜欢的歌曲列表中所属的公开歌单提取音乐的类别特征，将所述歌曲的潜在特征歌词和评论的语义特征以及音乐的类别特征合并为音乐特征。