[发明专利]一种基于向量表征和长短时记忆网络的音乐重复收听行为预测方法在审
| 申请号： | 201910223710.3 | 申请日： | 2019-03-22 |
| 公开（公告）号： | CN109977257A | 公开（公告）日： | 2019-07-05 |
| 发明（设计）人： | 郑增威;周燕真;孙霖 | 申请（专利权）人： | 浙江大学城市学院 |
| 主分类号： | G06F16/635 | 分类号： | G06F16/635;G06N3/04 |
| 代理公司： | 杭州九洲专利事务所有限公司 33101 | 代理人： | 张羽振 |
| 地址： | 310015*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于向量表征和长短时记忆网络的音乐重复收听行为预测方法，包括步骤：1)数据预处理得到用户收听音乐的时间序列和音乐字典；2)对用户收听的音乐进行向量表征并转换历史数据序列；3)用向量表征后的序列训练长短时记忆网络并预测，采用长短时记忆网络LSTM来对用户的音乐重复收听行为进行预测。本发明的有益效果是：提供了一种向量表征和长短时记忆网络的音乐重复收听行为预测方法，把用户收听的音乐进行向量表征，能够利用用户收听音乐行为中的上下文信息，再采用LSTM网络更加准确高效地对音乐重复收听行为进行预测。 | ||
| 搜索关键词： | 向量 记忆网络 音乐 用户收听 收听 行为预测 重复 预测 上下文信息 数据预处理 历史数据 时间序列 序列训练 音乐字典 转换 网络 | ||
【主权项】：
1.一种基于向量表征和长短时记忆网络的音乐重复收听行为预测方法，其特征在于，包括如下步骤：步骤一、数据预处理得到用户收听音乐的时间序列和音乐字典：根据时间顺序抽取用户收听音乐的历史数据{music1，music2，...，musicT}并生成用户收听的音乐的字典集；步骤二、对用户收听的音乐进行向量表征并转换历史数据序列：采用skip‑gram训练模型来生成歌曲的向量，训练的过程分为两部分，首先用训练数据构建一个神经网络，建立模型生成一个向量空间，然后通过模型来获取歌曲项目在这个空间内的表征向量，网络隐层的权重矩阵就是所需要的向量；步骤三、用向量表征后的序列训练长短时记忆网络并预测：采用长短时记忆网络LSTM来对用户的音乐重复收听行为进行预测；预测的LSTM包括三个控制门层：遗忘门层、输入门层、输出门层；LSTM的训练数据为步骤二中通过表征向量转换后的用户历史收听序列。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江大学城市学院，未经浙江大学城市学院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910223710.3/，转载请声明来源钻瓜专利网。
