[发明专利]一种电台推荐方法及系统

说明书

本发明涉及一种电台推荐方法及系统。该电台推荐方法包括：根据用户的听歌行为和听歌来源得到用户播放歌曲的偏好得分,进而根据偏好得分形成用户听歌偏好矩阵；其中，听歌行为包括主动听歌行为。根据主动听歌行为和用户播放歌曲的偏好得分生成播放列表，并利用深度学习工具得到播放列表中每一首歌曲对应的歌曲词向量，以及计算播放列表中每一首歌曲与播放列表中其它歌曲的相似度，并依据播放列表中每一首歌曲的相似度形成用户听歌相似矩阵。根据用户听歌偏好矩阵和用户相似矩阵选择歌曲，并对选择歌曲中每一首歌曲相似得分进行计算，得到最终推荐的歌曲。根据最终推荐的歌曲构造歌曲电台，将电台推荐给用户。本发明的目的是通过用户信息标签选择与用户匹配的歌曲构建电台，保证了电台的质量、好听度和多样性。

技术领域

本发明涉及大数据、机器学习算法的个性化推荐，特别涉及一种电台推荐方法及系统。

背景技术

当前，电台一般都是人工编辑完成，每个用户看到的电台界面都是一样的。这种人工推荐的效果非常差，效率也不高。

人工编辑电台都是以热歌、老歌等各种歌曲为主，推荐形式单一。

当前电台的推荐由人工编辑来完成，工作量大，编辑工作效率不高，同一电台内的歌曲相关性也不高，不能满足每一个用户的听歌需求。为了提高工作效率和电台推荐相关性，故采用机器学习算法代替人工编辑的策略。

人工编辑电台，电台中歌曲多样性不高，歌曲好听度也不能得到保证。

发明内容

本发明的目的是为了解决现有技术中存在的技术问题，提出了一种电台推荐方法及系统。

为实现上述目的，一方面，本发明提供了一种电台推荐方法，该电台推荐方法包括：根据用户的听歌行为和听歌来源得到用户播放歌曲的偏好得分,进而根据偏好得分形成用户听歌偏好矩阵；其中，听歌行为包括主动听歌行为和被动听歌行为；根据主动听歌行为和用户播放歌曲的偏好得分生成播放列表，并利用深度学习工具得到播放列表中每一首歌曲对应的歌曲词向量，以及计算播放列表中每一首歌曲与播放列表中其它歌曲的相似度，并依据播放列表中每一首歌曲的相似度形成用户听歌相似矩阵；根据用户听歌偏好矩阵和用户听歌相似矩阵选择歌曲，并对选择歌曲中每一首歌曲相似得分进行计算，得到最终推荐的歌曲；根据最终推荐的歌曲构造歌曲电台，将电台推荐给用户。

优选地，根据用户的听歌行为和听歌来源计算得到用户听歌记录歌曲的偏好得分,进而根据偏好得分形成用户听歌偏好矩阵的步骤之后还包括：根据歌曲时间衰减、歌曲热度降权更新用户听歌记录歌曲的偏好得分，进而更新用户听歌偏好矩阵。

优选地，计算播放列表中每一首歌曲与播放列表中歌曲的相似度为：

其中，为播放列表中每一首歌曲的向量，为播放列表中其它歌曲的向量。

优选地，上述电台推荐方法还包括：根据用户行为构建用户画像，并对用户画像的标签进行权重计算，进而将用户画像信息标签化；其中，用户画像的标签包括时间标签、地点标签、事件标签和用户标签。

优选地，电台推荐方法还包括的步骤为：根据用户画像信息从最终推荐歌曲中选择与用户画像信息最匹配的歌曲构建歌曲电台，并将电台推荐给用户。优选地，主动听歌行为包括：关注歌曲、下载歌曲、收藏歌曲、搜索歌曲、购买歌曲和本地上传歌曲中的一种或多种行为。