[发明专利]一种基于特征递增的混合型个性化音乐推荐方法

摘要

本发明公开了一种基于特征递增的混合型个性化音乐推荐方法。本发明首先对歌词和评论文本进行情感分析，得到歌曲的情感向量；然后使用聚类算法对目标用户的听歌记录进行分类，得出目标用户的听歌喜好类别；再结合目标用户的社交关注关系，综合计算出目标用户对候选推荐歌曲的一个喜好程度值，最终实现个性化音乐推荐，本专利考虑目标用户的社交关注关系更易发现目标用户不太熟悉但具有潜在兴趣的歌曲，提高音乐推荐的准确率。

主权项

1.一种基于特征递增的混合型个性化音乐推荐方法，其特征在于，包括如下步骤：步骤一、数据收集与预处理：收集歌曲的歌词以及评论文本、用户的听歌记录和用户关注关系数据，并进行预处理；步骤二、文本分词：使用词法分析工具对歌词L和评论C文本进行分词，得到词语表示的文本；步骤三、音乐情感矩阵构建：首先用情感词典对分词后的歌词L和评论C文本进行情感词匹配，找到情感词；再根据情感词在四个情感维度上对应的情感值，构建四个情感矩阵E_dj，其中d表示情感维度，j表示歌曲；步骤四、音乐情感向量构建：使用SVD奇异值分解算法对情感矩阵E_dj进行降维处理，得到歌曲j在情感维度上的四个情感矩阵e_dj，并将基于情感维度上的四个情感矩阵e_dj进行合并得到歌曲j的情感向量e_j，其中d表示情感维度，j表示歌曲；步骤五、计算目标用户的听歌喜好类别以及权重：首先采用聚类算法对目标用户u的听歌记录R中歌曲的情感向量e_j进行分类处理，得到目标用户u的听歌喜好类别C_ui；然后根据类别C_ui中的样本个数m_ui与目标用户u的样本总数M_u的比值计算每个类别C_ui的权重w_ui；其中u表示目标用户，i表示第几个类别，j表示歌曲；步骤六、候选推荐歌曲的选取以及相似度的计算：首先基于目标用户u的关注关系，找到目标用户感兴趣的其他用户v，从用户v的听歌记录中选取用户v喜好但目标用户u未听的歌曲作为候选推荐歌曲h；然后对候选推荐歌曲基于歌词以及评论文本进行情感分析，得到候选推荐歌曲的情感向量e_h；再结合目标用户u的听歌记录R的分类结果，使用高斯函数计算候选推荐歌曲h与目标用户u的听歌喜好类别C_ui之间的相似度S_hCui；步骤七：推荐歌曲的计算：基于候选推荐歌曲h与目标用户u的听歌喜好类别C_ui之间的相似度S_hCui和目标用户u的听歌喜好类别C_ui的权重w_ui计算目标用户u对候选推荐歌曲h的喜好程度值g_uh，当g_uh大于阈值t时，就将候选推荐歌曲h加入推荐列表CL中，否则放弃候选推荐歌曲h，步骤八、重复步骤六和步骤七直到寻找到音乐推荐项或设定数量的音乐推荐项。