[发明专利]一种针对用户隐式反馈数据的集合排序音乐推荐方法

权利要求书

1.一种针对用户隐式反馈数据的集合排序音乐推荐方法，其特征在于，

获取用户-歌曲交互数据，然后采用基于MinHash的局部敏感哈希算法从音乐软件的所有用户中找出待推荐用户的最近邻，然后根据协同过滤算法挖掘出待推荐用户的潜在偏好歌曲，并将所有歌曲分为三类：听过的歌曲、潜在偏好歌曲以及剩余歌曲；

对听过的歌曲、潜在偏好歌曲以及剩余歌曲进行排序，生成个性化音乐推荐列表，完成音乐推荐；

根据协同过滤算法挖掘出待推荐用户的潜在偏好歌曲包括以下步骤：

步骤1：对于待推荐用户u，在通过Jaccard相似性得到的相似用户集合中，找出α×M个最相似的用户N_u，α是可调的参数，M是用户数；

步骤2：根据最相似的用户N_u，计算潜在偏好歌曲Q_u的候选集合C_u；候选集合C_u中包含最相似的用户N_u中每个用户听过但待推荐用户u没有听过的歌曲的并集：

步骤3：计算待推荐用户u对候选集合C_u中每个歌曲的得分S_ui，选取得分最大的β×N个歌曲组成潜在偏好歌曲Q_u，β是控制集合大小的参数，N是歌曲数；

对听过的歌曲、潜在偏好歌曲以及剩余歌曲进行排序，生成个性化音乐推荐列表，完成音乐推荐，包括以下步骤：根据用户偏好的假设：P_u＞_total Q_u＞_totalR_u优化目标函数，直到收敛，得到表示用户的向量e_u和表示歌曲的向量e_i；根据表示用户的向量e_u和表示歌曲的向量e_i，计算每一个待推荐用户u对所有歌曲的偏好得分取得分最大的K个歌曲作为个性化推荐的结果；其中，i为代表待推荐用户u听过的歌曲集合P_u中的歌曲，为所有的歌曲集合，R_u为剩余歌曲。

2.根据权利要求1所述的一种针对用户隐式反馈数据的集合排序音乐推荐方法，其特征在于，Jaccard相似性定义如下：

其中，P_u是待推荐用户u听过的歌曲集合，P_v是任一用户v听过的歌曲集合，sim_uv为相似性。

3.根据权利要求1所述的一种针对用户隐式反馈数据的集合排序音乐推荐方法，其特征在于，候选集合C_u通过下式计算：

其中，P_u是待推荐用户u听过的歌曲集合，P_v是任一用户v听过的歌曲集合。

4.根据权利要求1所述的一种针对用户隐式反馈数据的集合排序音乐推荐方法，其特征在于，得分S_ui通过下式计算：

式中，I(Y_ui)是指示函数，sim_uv为相似性，v为任一用户。

5.根据权利要求1所述的一种针对用户隐式反馈数据的集合排序音乐推荐方法，其特征在于，目标函数如下式所示：

式中，U为用户集合，e_k为第k个音乐的特征向量，i代表待推荐用户u听过的歌曲集合P_u中的歌曲，j代表潜在偏好歌曲Q_u中的歌曲，k代表剩余歌曲Ru中的歌曲，λ为正则化系数，Θ为参数的集合。

6.根据权利要求1所述的一种针对用户隐式反馈数据的集合排序音乐推荐方法，其特征在于，根据用户偏好的假设：P_u＞_total Q_u＞_totalR_u优化目标函数，直到收敛，得到表示用户的向量e_u和表示歌曲的向量e_i，包括以下步骤：

步骤1：初始化每一个表示用户的向量e_u和每一个表示歌曲的向量e_i；

步骤2：使用所有的训练样本将目标函数优化一次；

步骤3：重复步骤2直到收敛，得到训练完毕的表示用户的向量e_u和表示歌曲的向量e_i。