-
公开(公告)号：CN113094542A
公开(公告)日：2021-07-09
申请号：CN202110316140.X
申请日：2021-03-24
Applicant: 西安交通大学
IPC: G06F16/635
Abstract: 一种针对用户隐式反馈数据的集合排序音乐推荐方法，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。本发明不仅能够利用到用户之间的协同关系而且考虑到了歌曲集合之间的顺序关系，相比于传统方法，实现了更好的音乐推荐效果。
-
Patent Agency Ranking
公开(公告)号：CN113268629A
公开(公告)日：2021-08-17
申请号：CN202110477214.8
申请日：2021-04-29
Applicant: 西安交通大学
IPC: G06F16/683 , G06F16/64 , G06F16/65 , G06K9/62
Abstract: 一种融合节点偏好的异构图歌单多标签推荐方法，包括以下步骤：通过歌单训练集的异构数据构建歌单异构图；通过歌单异构图，对每个歌单进行融合节点偏好的邻居采样，得到包含歌曲邻居特征的歌单信息和包含歌手邻居特征的歌单信息；包含歌曲邻居特征的歌单信息和包含歌手邻居特征的歌单信息使用word2vec技术进行歌单连续特征表示；采用谱聚类算法对歌单的连续特征表示进行聚类分析，得到歌单聚类结果；根据歌单聚类结果，计算出每类中各导航类标签的权重值，再使用局部敏感哈希技术，完成对目标歌单的标签推荐。本发明具有结构简单，推荐高效的特点。相比于传统的协同过滤方法，本发明的歌单标签推荐的准确率高、推荐速度快。
-
公开(公告)号：CN113220931A
公开(公告)日：2021-08-06
申请号：CN202110316152.2
申请日：2021-03-24
Applicant: 西安交通大学
IPC: G06F16/65 , G06F16/635 , G06F16/61
Abstract: 一种歌单多标签推荐方法、系统、设备和存储介质，将歌单数据分为测试集和训练集，将训练集中的歌曲信息、歌手信息和用户信息分别采用局部敏感哈希算法计算歌曲信息哈希桶、歌手信息哈希桶和用户信息哈希桶；对测试集中的歌曲、歌手和用户信息分别根据相应哈希桶映射，得出相似歌单备选集，计算初始待推荐标签集；对根据训练集中的歌单标签集挖掘，得到标签的关联规则集合，再进行标签重排序，选择排序靠前的前A个标签进行推荐，实现歌单推荐。本发明具有更高的推荐准确性和更低的时间消耗。本发明与当前在线音乐平台所采用的基于协同过滤算法的推荐模型具有更好的兼容性，升级系统推荐算法的成本和风险更低，方法简单高效。
-
公开(公告)号：CN113094542B
公开(公告)日：2023-08-15
申请号：CN202110316140.X
申请日：2021-03-24
Applicant: 西安交通大学
IPC: G06F16/635
Abstract: 一种针对用户隐式反馈数据的集合排序音乐推荐方法，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。本发明不仅能够利用到用户之间的协同关系而且考虑到了歌曲集合之间的顺序关系，相比于传统方法，实现了更好的音乐推荐效果。
-
公开(公告)号：CN113220931B
公开(公告)日：2023-01-03
申请号：CN202110316152.2
申请日：2021-03-24
Applicant: 西安交通大学
IPC: G06F16/65 , G06F16/635 , G06F16/61
Abstract: 一种歌单多标签推荐方法、系统、设备和存储介质，将歌单数据分为测试集和训练集，将训练集中的歌曲信息、歌手信息和用户信息分别采用局部敏感哈希算法计算歌曲信息哈希桶、歌手信息哈希桶和用户信息哈希桶；对测试集中的歌曲、歌手和用户信息分别根据相应哈希桶映射，得出相似歌单备选集，计算初始待推荐标签集；对根据训练集中的歌单标签集挖掘，得到标签的关联规则集合，再进行标签重排序，选择排序靠前的前A个标签进行推荐，实现歌单推荐。本发明具有更高的推荐准确性和更低的时间消耗。本发明与当前在线音乐平台所采用的基于协同过滤算法的推荐模型具有更好的兼容性，升级系统推荐算法的成本和风险更低，方法简单高效。
-
公开(公告)号：CN113268629B
公开(公告)日：2023-01-03
申请号：CN202110477214.8
申请日：2021-04-29
Applicant: 西安交通大学
IPC: G06F16/683 , G06F16/64 , G06F16/65
Abstract: 一种融合节点偏好的异构图歌单多标签推荐方法，包括以下步骤：通过歌单训练集的异构数据构建歌单异构图；通过歌单异构图，对每个歌单进行融合节点偏好的邻居采样，得到包含歌曲邻居特征的歌单信息和包含歌手邻居特征的歌单信息；包含歌曲邻居特征的歌单信息和包含歌手邻居特征的歌单信息使用word2vec技术进行歌单连续特征表示；采用谱聚类算法对歌单的连续特征表示进行聚类分析，得到歌单聚类结果；根据歌单聚类结果，计算出每类中各导航类标签的权重值，再使用局部敏感哈希技术，完成对目标歌单的标签推荐。本发明具有结构简单，推荐高效的特点。相比于传统的协同过滤方法，本发明的歌单标签推荐的准确率高、推荐速度快。
-
-
-
-
-
Search Results
6
records
(took 0.025 seconds)
