[发明专利]一种基于推荐系统的用户兴趣探索方法

说明书

本发明涉及一种基于推荐系统的用户兴趣探索方法，包括演讲音频数据库和基于推荐系统预先构建的兴趣分类；所述的兴趣分类通过操作便携式用户设备以在播放所述音频期间检测用户的至少一个动作形成；所述的至少一个动作是基于神经语言模型的音频特征的提取，用户收听音频文件提取和建模；所述的每个动作划分进一个兴趣标签之内。本发明提供的一种基于推荐系统的兴趣探索方法，通过在推荐系统的推荐页面内，构建兴趣分类，并按照每一个推荐标签对所收听的音频片段进行归类，进而使得用户不依赖于主动使用探索功能获取推荐内容。

技术领域

本发明是一种基于推荐系统的用户兴趣探索方法，属于智能控制技术领域。

背景技术

随着互联网应用的发展，推荐系统也越来越受到大家的关注，并且在工业界以及学术界都取得了巨大的成功。传统单一维度的推荐系统已经不能满足用户个性化的需求，而上下文相关的推荐系统不仅能够较好的帮助用户解决信息过载的问题，而且能够更加充分的挖掘用户的随时间、环境等上下文而变化的特定需求。然而在基于上下文推荐系统的设计中，对用户上下文的提取、建模以及与推荐系统的结合的策略较少且不够成熟，因此已有推荐系统算法没有结合收听上下文信息。但是在很多场景下，用户的收听上下文往往会主导用户的需求。考虑到有各种方法可以用来收听音频演讲内容，但演讲内容往往包含内容较多，无法通过现有的兴趣推荐系统来划分；而且一个演讲可能涉及多个领域，也无法完全依靠简单的领域划分却分兴趣种类，因此，有必要引进一种新型的兴趣内容区别技术。

发明内容

本发明的目的是：提供一种基于推荐系统的用户兴趣探索方法，推荐过程更加高效，兴趣分类更加准确。

为实现上述技术目的，本发明采用的技术方案如下：一种基于推荐系统的用户兴趣探索方法，包括演讲音频数据库和基于推荐系统预先构建的兴趣分类；所述的兴趣分类通过操作便携式用户设备以在播放所述音频期间检测用户的至少一个动作形成；所述的至少一个动作是基于神经语言模型的音频特征的提取，用户收听音频文件提取和建模；所述的每个动作划分进一个兴趣标签之内。

优选的，所述的音频特征的提取包括获取用户的完整音频收听序列；并整理序列中每条收听记录的收听时间、收听频率。

优选的，所述的兴趣标签通过在推荐系统的搜索日志中查找分类的搜索频率和查看频率形成分值，并按降序排列。

优选的，每个所述的兴趣分类和音频特征按近期的浏览和查看频率形成分值，并按降序形成子分类。

优选的，计算所述分值的公示为score(u，v)＝w1×hot(v)+w2×relevance(u，v)+w3×fresh(u，v)其中，所述u表示用户；

所述v表示检索词；w1，w2和w3代表函数权重；hot(v)表示计算v热度的函数；relevance(u，v)表示u和v的相关度；fresh(u，v)表示v对于u的新鲜度。

优选的，所述的兴趣标签由每个用户过往收听的音频特征与每个排序靠前的所述兴趣分类相关联而成。

优选的，所述的音频特征通过包括若干由收听时长、收听语言、收听频率形成的逻辑群构成。

本发明提供的一种基于推荐系统的兴趣探索方法，通过在推荐系统的推荐页面内，构建兴趣分类，并按照每一个推荐标签对所收听的音频片段进行归类，进而使得用户不依赖于主动使用探索功能获取推荐内容。另外，本发明是基于对推荐页面上兴趣词的操作行为来获取搜索结果，并根据对搜索结果的操作点击行为更新推荐模型，进而使得后续推荐效率更高。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。