[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

说明书

本发明提供了基于用户长短期偏好的音乐列表推荐方法及一个数据驱动的两段式框架系统，该系统可以基于音乐信息获得用户的长短期偏好，以此给用户推荐合适的音乐列表。所述两段式框架系统包括分别是特征提取单元和音乐推荐单元。在特征提取阶段，我们使用矩阵分解MF方法，根据用户喜欢的音乐列表获取用户的长期偏好，并根据歌曲的音乐信息使用段落向量PV获得歌曲的特征。在音乐推荐单元，提出两种注意力机制的长短期记忆模型来提取用户对歌曲的短期偏好，并结合用户的长期偏好，生成用户的个性化音乐列表推荐。

技术领域

本发明属于网络技术领域，尤其涉及一种基于用户长短期偏好的音乐列表推荐方法及系统。

背景技术

随着有损压缩技术和移动设备的快速发展，用户能够方便的通过其个人计算机和移动设备从互联网下载或接收音乐，然而，数以千计的在线服务平台提供了大量的音乐选择，信息过载问题日益严重，这使得找到“正确的”音乐成为一种挑战。当前的各大音乐流媒体服务平台也越来越重视有效的音乐列表推荐技术，其可以为用户推荐合适的音乐列表，提升用户体验，提高商业利益。近年来，数据存储技术有了进一步飞跃，大量的音乐数据和用户数据被收集，基于这些数据，人们打算研发更优越的个性化推荐系统。一个优秀的音乐推荐系统，能够匹配用户的兴趣，给用户推荐符合其口味的歌曲，推荐音乐的原因有多种，如用户的性格、情绪状态、地理位置，社交环境，音乐的作者、风格、歌词等因素。

传统的音乐推荐系统基于音乐和用户的信息，设计和提取用户特征和歌曲特征等，通过对特征进行分析来做到音乐推荐，并没有考虑到用户对歌曲存在一个长期的、稳定的偏好；用户对音乐的长期偏好决定了其整体的音乐播放行为，但在任何给定时间，由于即时事件(例如某一首歌曲突然火爆全球)的产生，用户也受到即时偏好即短期偏好的影响。

发明内容

针对现有技术中的上述不足，本发明提供的一种基于用户长短期偏好的音乐列表推荐方法及系统可以基于音乐信息获得用户的长短期偏好，以此给用户推荐合适的音乐列表。

为了达到以上目的，本发明采用的技术方案为：

本方案提供一种基于用户长短期偏好的音乐列表推荐方法，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。

进一步地，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。

再进一步地，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：