[发明专利]一种基于混合特征向量表示的对话式音乐推荐方法

摘要

本发明公开了一种基于混合特征向量表示的对话式音乐推荐方法，通过用户历史听歌数据表示为用户‑待推荐音乐实体的二维矩阵，并进行分解得到用户行为特征向量和音乐行为特征向量，通过利用翻译模型处理音乐知识图谱，为每个待推荐音乐实体得到特征向量表示，记为音乐知识特征向量，然后采用拼接的方式对不同来源的特征向量进行融合，扩大了向量空间，较好地保留了各个隐向量维度的语义信息。同时基于Bandit算法的实时推荐可以逐步推算出用户的偏好，且Bandit算法的执行逻辑符合交互式场景。这样实现了实时推荐，且对上下文信息、用户需求和反馈能良好处理。

主权项

1.一种基于混合特征向量表示的对话式音乐推荐方法，其特征在于，包括以下步骤：(1)、将用户历史听歌数据表示为用户‑待推荐音乐实体的二维矩阵M，二维矩阵M中的每一项表示一个用户与一待推荐音乐实体的交互次数；利用矩阵分解模型分解二维矩阵M，得到的每一用户的隐向量和每一待推荐音乐实体的隐向量，分别记为用户行为特征向量和音乐行为特征向量；利用翻译模型处理音乐知识图谱，得到每一待推荐音乐实体的特征向量表示，记为音乐知识特征向量；将每一待推荐音乐实体的音乐行为特征向量与音乐知识特征向量进行拼接，得到每一待推荐音乐实体的音乐混合特征向量，将每一用户的用户行为特征向量拼接上与音乐知识特征向量长度相等的0向量，得到每一用户的用户混合特征向量；所有用户的混合特征向量以及所有待推荐音乐实体的混合特征向量构成用户与音乐混合特征向量池；(2)、从人机对话内容中识别当前用户需求，并根据当前用户需求，从音乐知识图谱中提取符合需求的目标(待推荐)音乐实体，并构成候选目标音乐实体集合；(3)、从用户与音乐混合特征向量池中，获取当前用户的混合特征向量和候选目标音乐实体集合中各待推荐音乐实体的混合特征向量；(4)、根据当前用户的混合特征向量和候选目标音乐实体集合中各目标音乐实体的混合特征向量，基于Bandit算法进行实时推荐，得到候选目标音乐实体集合中各目标音乐实体的得分，并将得分最高的目标音乐实体推荐给当前用户。