The invention discloses a dialogical music recommendation method based on mixed eigenvector representation. The user's history listening data is expressed as a two-dimensional matrix of the music entity to be recommended, and the user's behavior eigenvector and music behavior eigenvector are decomposed to obtain the user's behavior eigenvector, and the music knowledge map is processed by using the translation model. For each music entity to be recommended, the feature vectors are obtained and recorded as the feature vectors of music knowledge. Then the feature vectors from different sources are fused by splicing method, which enlarges the vector space and preserves the semantic information of each hidden vector dimension. At the same time, real-time recommendation based on Bandit algorithm can gradually deduce user preferences, and the execution logic of Bandit algorithm conforms to interactive scenarios. In this way, real-time recommendation is realized, and context information, user needs and feedback can be handled well.
【技术实现步骤摘要】
一种基于混合特征向量表示的对话式音乐推荐方法
本专利技术属于数据挖掘中的音乐推荐
,更为具体地讲,涉及应用场景为人机对话场景的一种基于混合特征向量表示的对话式实时音乐推荐方法。
技术介绍
听音乐已经成为现代人的一种非常常见的娱乐方式,随着音乐流媒体的发展,人们随时随地都能享受音乐。但网络上海量的音乐资源也带来了信息过载问题,用户难以从海量音乐资源中找到自己喜欢的音乐。因此需要音乐推荐系统来挖掘用户的偏好,主动为用户推荐其可能感兴趣的音乐。一个好的音乐推荐系统既能提升用户体验,也能帮助商家盈利,达到用户和商家的双赢。当前,国内外许多知名互联网公司也已经将音乐推荐系统应用到产品当中,并获得了可观的回报。音乐推荐作为一类很有代表性的研究领域,具有推荐音乐种类繁多、实时性强、上下文信息丰富、消费代价低以及允许重复消费等特性。学术界和工业界针对音乐推荐也已有多年的研究与实践经验,取得了不俗的表现。但用户的音乐偏好容易受上下文信息影响,实时性比较强,而传统的音乐推荐技术着眼于离线场景,不支持与用户的实时交互,不能很好地满足用户的实时音乐需求。而随着时代的变迁与技术的变革,人工智能催生了许多全新应用场景,对话系统便是其中极具代表性的方向之一。此外,近些年,知识图谱的出现也让各类互联网技术迈入了新的台阶。对话系统和知识图谱技术的发展为设计满足用户实时偏好的对话式音乐推荐方法,构建基于音乐知识图谱的对话式音乐推荐系统提供了更多的研究思路与方法。目前存在几类对话式推荐方法,但是其反馈方式和应用场景均单一,不能实现在人机对话场景下的实时音乐推荐。
技术实现思路
本专利技术的目 ...
【技术保护点】
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 ...
【技术特征摘要】
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。2.根据权利要求1所述的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,还包括以下步骤(5)、获得该...
【专利技术属性】
技术研发人员:王晓玲,靳远远,周纯伊,
申请(专利权)人:华东师范大学,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。