[发明专利]一种基于卷积神经网络的音乐推荐系统及推荐方法在审
| 申请号： | 201810314889.9 | 申请日： | 2018-04-10 |
| 公开（公告）号： | CN108595550A | 公开（公告）日： | 2018-09-28 |
| 发明（设计）人： | 邵曦;何蓉 | 申请（专利权）人： | 南京邮电大学 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06K9/62;G06N3/08 |
| 代理公司： | 南京苏科专利代理有限责任公司 32102 | 代理人： | 蒋慧妮 |
| 地址： | 210003 江苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于卷积神经网络的音乐推荐系统及推荐方法，包括用于采集音乐用户历史行为数据，构建音乐用户偏好模型的音乐用户建模模块；用于获得回归模型的音乐特征建模模块；用于通过回归模型找到与音乐用户偏好相匹配的音乐对象，推荐给音乐用户的推荐算法模块。本发明把深度学习应用到推荐系统中，有效地弥补了歌曲特征与音频信号之间的语义差别，同时避免了协同过滤中的“冷启动”等问题，提高了推荐系统的准确率。采用卷积神经网络解决了训练效率低下与高时效性需求间的矛盾，并且将用户历史行为信息和音频的声学特征一起加入到模型中，使得推荐结果更符合用户的偏好需求，增强了用户对推荐系统的使用体验性。 | ||
| 搜索关键词： | 卷积神经网络 推荐系统 音乐 音乐推荐系统 回归模型 用户历史行为数据 用户历史行为信息 用户偏好模型 歌曲特征 建模模块 声学特征 算法模块 协同过滤 训练效率 音乐对象 音乐特征 音频信号 用户建模 用户偏好 语义差别 冷启动 时效性 有效地 准确率 构建 偏好 匹配 采集 应用 矛盾 学习 | ||
【主权项】：
1.一种基于卷积神经网络的音乐推荐系统，其特征在于：包括音乐用户建模模块：用于采集音乐用户历史行为数据，构建音乐用户的偏好模型；音乐特征建模模块：所述音乐特征建模模块与所述音乐用户建模模块电性连接，用于对训练样本进行训练深度卷积神经网络获得回归模型；推荐算法模块：所述推荐算法模块与所述音乐特征建模模块电性连接，用于通过回归模型找到与音乐用户偏好相匹配的音乐对象，推荐给音乐用户。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京邮电大学，未经南京邮电大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810314889.9/，转载请声明来源钻瓜专利网。
