【技术实现步骤摘要】
一种基于超图的音乐推荐方法与系统
[0001]本专利技术涉及技术推荐领域,具体设计一种基于超图的音乐推荐方法与系统
。
技术介绍
[0002]当前在音乐推荐中常用的算法是协同过滤推荐算法,它通过挖掘用户的行为数据,找到用户之间的相似性和关联性,并据此推荐相应的音乐给用户
。
但随着数据量的增加,协同过滤算法在海量数据环境下面临越来越多的挑战
。
随着科技的进步,不同平台所生成的数据以指数级的速度不断增长,这种趋势也出现在音乐网站上
。
尽管每天都有更多的音乐上传到网站,但用户却不会对自己所有听过的音乐进行评分,导致音乐评分数据稀疏,影响音乐推荐系统的推荐效果
。
[0003]超图是一种数据结构,它扩展了图的概念,允许边连接多于两个节点,从而更好地表示复杂关系
。
在推荐系统中,超图可以用于建模更复杂的用户和物品之间的关联,从而提供更准确和个性化的推荐
。
然而,目前尚缺乏将超图
、
情景感知与音乐推荐相结合的研究,以提高音乐推挤的准确性和合理性
。
此外,情境感知可以考虑用户当前的环境
、
活动
、
心情等因素,从而更好地满足用户的需求
。
将情境感知与音乐推荐融合,可以使推荐系统更好地理解用户的偏好,进一步个性化推荐
。
[0004]因此,现有的音乐推荐方法存在数据稀疏性较大,未能捕捉用户的长期兴趣变化,并且在考虑推荐
【技术保护点】
【技术特征摘要】
1.
一种基于超图的音乐推荐方法与系统,其特征在于包括以下步骤:步骤1:数据采集;将获取的音乐数据,获取一定时间内多个用户的历史音乐收听记录进行数据预处理,得到训练样本集与测试样本集;步骤2:超图模型构建;基于步骤1获取的训练集,使用超图数据结构对数据信息进行建模;步骤3:嵌入生成;从超图数据模型中生成随机游走,并利用跳字模型学习超图顶点的嵌入,最后融合用户听歌当下的情景信息;步骤4:模型的训练与生成推荐;基于给定的音乐数据库,利用所构建的超图音乐推荐方法,计算超图中每个顶点作为输入结点的上下文顶点的概率,预测用户任意时间感兴趣的音乐;步骤5:模型评估;通过相应评价指标评价模型的预测精度,检验所拟合模型的充分性
。2.
根据权利要求1所述的一种基于超图的音乐推荐方法与系统,其特征在于步骤1中,所述数据采集具体步骤为:获取一定时间内多个用户的历史音乐收听记录
H
=
{H1,
···
,H
u
,
···
,H
U
}
,是用户
u∈U
的音乐收听记录,
t
i
是
m
i
∈M
的时间戳,
U
和
M
分别表示用户集合和音乐集合,并且将对应音乐相关系的专辑和歌手集合记为
A
和
S
,将对应音乐相关的标签属性记为
T。3.
根据权利要求1所述的一种基于超图的音乐推荐方法与系统,其特征在于步骤2中,所述超图模型构建具体步骤为:超图的定义:
H
=
(V,E{e
i
:i∈I})
,其中:
V
是一组顶点集,
E
是一组超图的带有索引的超边集;
V
由以下不同的实体构成:
M
:歌曲集;
U
:用户集;
S
:歌手;
A
:专辑;
T
:标签顶点的集合定义为
V
=
M∪U∪S∪A∪T
,其中
M
为歌曲集,
U
为用户集,
S
为歌手集,
A
为专辑集,
T
为类别集,根据不同实体之间的不同关系,可以定义以下的超边
E
:
E
UM
:歌手音乐视角,即一位用户和其听过的所有歌曲之间的关系
E
AM
:专辑音乐视角,即一张专辑和其拥有所有的歌曲之间的关系
E
SA
:歌手专辑视角,即一位歌手和其发布过的专辑之间的关系
E
TM
:标签音乐视角,即一种歌曲类别和其所属的歌曲之间的关系超边
e
i
∈E
是由有序对定义的,其中为其“头部”,为其“尾部”;是顶点的集合,是顶点的集合,是构成整个超边的顶点的子集
。4.
根据权利要求1所述的一种基于超图的音乐推荐方法与系统,其特征在于步骤2中,所述嵌入生成构建具体步骤为:步骤
3.1、
首先使用随机游走生成器,为每个顶点创建一个游走,然后随机选择以顶点
v∈V
为尾部的超边
e∈E
,评估从该顶点
v
跳跃到另一条超边的...
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。