论文部分内容阅读
音乐推荐的研究随着移动网络与数字多媒体技术的发展,逐渐成为推荐领域的一大研究热点。但传统的音乐推荐方法大多基于用户的长期收听历史,对于当前越来越多的移动用户来说,其音乐偏好除了受到长期偏好的影响之外,也容易受到当下地理情境的影响。因此,传统的音乐推荐方法并不能满足他们对音乐的短期情境偏好。本文针对移动用户的音乐推荐需求以及地理情境的特殊性,将用户的地理情境考虑到音乐推荐方法当中,并提出了一种基于热门评论特征扩展的歌曲地理情境标注方法。主要研究包括:(1)基于热门评论特征扩展的歌曲地理情境标注方法(HCFE-GCTagging)的研究。针对音乐相关地理情境上下文数据较难获取这一问题,提出了一种基于热门评论的歌曲地理情境标注方法,利用网易云音乐中歌单与歌曲的热门评论对歌曲进行地理情境的分类和标注。针对热门评论分类中的特征稀疏等问题,利用特征扩展策略对其进行改进。实验证明该方法在结合了特征扩展策略之后,分类准确率得到了提升,能够较好地实现歌曲的地理情境标注。(2)融入地理情境的音乐推荐方法(GCMR)研究。针对传统音乐推荐算法没有对用户易受地理情境影响的音乐短期偏好进行考虑这一问题,提出了一种融入地理情境的音乐推荐方法,通过歌曲属性向量和歌曲地理情境向量的构建,结合用户偏好向量,进而生成融合用户长期偏好与其地理情境的歌曲推荐。实验证明了地理情境的融入能够提高音乐推荐的性能,且它在音乐推荐中起着重要的作用。(3)设计网络爬虫抓取所需数据并收集志愿者数据进行实验。针对当前公开数据集不符合本文需要的问题,设计了网络爬虫对所需数据进行抓取,共抓取六种地理情境歌单热门评论24795条、1200首歌曲的热门评论24106条。并选取60名志愿者,收集其历史歌曲收藏记录、交互收集3000个评分数据。实验结果证明了HCFE-GCTagging中特征扩展策略的有效性,并证明了地理情境对音乐推荐有着较大的影响,地理情境的融入能够综合用户的长期偏好与短期偏好,在一定程度上提升音乐推荐的性能。