[发明专利]一种基于Personal Rank的情绪上下文感知的音乐推荐方法

摘要

本发明涉及一种在音乐推荐中结合用户情感状态来提高音乐推荐效果的方法，该方法主要是利用用户在微博上发布的微博数据包括普通微博和音乐分享微博,并以此来获取用户的收听记录以及对应的情绪上下文的关联数据，并利用图模型表示该关联数据；在推荐的时候考虑用户当前的情感状态以，利用Personal Rank方法在图模型上遍历，从而能够让推荐出符合用户当前偏好的音乐。

主权项

1.一种基于Personal Rank的情绪上下文感知的音乐推荐方法，其特征在于，包括以下步骤：10.基于情感词典的包含情绪上下文的音乐记录的提取；20.包含情绪上下文的音乐记录的建模，具体包括：201.根据“用户‑音乐‑情绪上下文向量”的关联数据构建情绪感知二分图，所述情绪感知二分图中的节点包括三种：用户节点、音乐节点、情绪节点，不同节点之间的边表示“用户‑音乐‑情绪上下文向量”的关联数据；202.利用加权邻接矩阵M表示所述情绪感知二分图，M中的元素mij表示从节点i到节点j的边的权重，如果该边不存在，则其权值为0；203.对M进行归一化，得到概率转移矩阵P，计算公式如下：其中：·mvv’示从节点v到节点v’的边的权重；·outnodes[v]表示与节点v直接连接的所有节点；30.基于Personal Rank的情绪上下文感知的音乐推荐，具体包括：301.在概率转移矩阵P上应用Personal Rank算法，计算公式如下，其中：·是所有节点的分数；·c是衰减系数；·PT是概率转移矩阵P的转置；·是所有节点的初始分数，其中目标用户及其当前的情绪上下文向量对应的节点分数不为零，其他节点分数都为零；302.在步骤301中公式的基础上计算所有节点的分数，计算公式如下：303.按照得分高低对所有音乐进行排序，把前N个推荐给当前用户。