一種音樂推薦方法和系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了一種音樂推薦方法和系統(tǒng)，應用于移動終端，預先獲取音樂的上下文信息，該方法包括：獲取用戶的上下文信息；計算所述用戶的上下文信息和所述音樂的上下文信息之間的匹配度，將計算得到的匹配度較大的K首音樂推薦給所述用戶，其中，K為大于等于1的整數(shù)。本發(fā)明將用戶的上下文信息和音樂的上下文信息進行匹配計算，將匹配度高的音樂推薦給用戶，增強了音樂與用戶的耦合性，從而提高了音樂推薦精度。
【專利說明】一種音樂推薦方法和系統(tǒng)【技術領域】
[0001]本發(fā)明涉及智能推薦技術，尤指一種基于移動終端的音樂推薦方法和系統(tǒng)。
【背景技術】
[0002]隨著移動通信帶寬的增加、終端處理能力的增強、以及傳感技術的發(fā)展，越來越多的用戶通過移動終端來收聽音樂。移動用戶的聽歌喜好通常會隨著時間、空間、天氣、身體狀況不同而變化，傳統(tǒng)的音樂推薦系統(tǒng)已不適用于個性化移動網(wǎng)絡服務領域。近年來，基于上下文感知的音樂推薦系統(tǒng)通過將上下文信息引入推薦系統(tǒng)，成為一個新興的研究領域。在研究中發(fā)現(xiàn)，把上下文信息融入推薦系統(tǒng)，相當于把傳統(tǒng)的“用戶-項目” 二維評分效用模型擴展為包含多種上下文信息的多維評分效用模型，有利于提高推薦精確度。因此利用移動終端提供的位置、時間、空間、天氣等上下文信息，推薦更符合用戶偏好、當前心情和周圍環(huán)境的音樂，具有重要的研究意義。
[0003]目前，基于上下文信息的音樂推薦方法通常采用了“多維推薦”轉化為“二維推薦”的設計思路，在推薦結果生成之前、生成之后或者生成的過程中，利用當前上下文信息過濾掉與當前上下文信息不匹配的數(shù)據(jù)，同時采用傳統(tǒng)二維推薦技術(包含協(xié)同過濾、基于內容的過濾、基于知識的過濾、混合式過濾等)生成推薦結果。因為利用了傳統(tǒng)推薦系統(tǒng)的成熟技術，此類方法成為目前應用最廣的上下文感知推薦方法。
[0004]然而，現(xiàn)有 技術在音樂與用戶的匹配過程只考慮了用戶的上下文信息，缺乏對音樂內容的深層解析，認為所有音樂都是同質的，音樂的不同屬性來自用戶在不同情境下對音樂具有的不同喜好程度，即由音樂的用戶屬性對不同音樂進行差異化區(qū)分，從而忽略了音樂作為一類多媒體文件，其自身具有的上下文屬性。這種推薦方法過于主觀，降低了用戶與音樂的耦合性，從而對推薦系統(tǒng)的精度有所影響。

【發(fā)明內容】

[0005]為了解決上述問題，本發(fā)明提出了一種音樂推薦方法和系統(tǒng)，能夠進一步提高音樂推薦精度。
[0006]為了達到上述目的，本發(fā)明提出了一種音樂推薦方法，應用于移動終端，預先獲取音樂的上下文信息，該方法包括:
[0007]獲取用戶的上下文信息；
[0008]計算所述用戶的上下文信息和所述音樂的上下文信息之間的匹配度，將計算得到的匹配度較大的K首音樂推薦給所述用戶，其中，K為大于等于I的整數(shù)。
[0009]優(yōu)選地，所述預先獲取音樂的上下文信息包括:
[0010]獲取所述音樂的用戶層的上下文信息和所述音樂的物理層的上下文信息；
[0011]將所述音樂的用戶層的上下文信息和所述音樂的物理層的上下文信息進行加權平均得到所述音樂的上下文信息。
[0012]優(yōu)選地，所述音樂的用戶層的上下文信息，或所述音樂的物理層的上下文信息，或所述用戶的上下文信息包括:時間信息、空間信息、位置信息、環(huán)境信息、天氣信息、狀態(tài)信息和情緒信息中的一種或多種。
[0013]優(yōu)選地，所述獲取音樂的用戶層的上下文信息包括:
[0014]實時獲取各用戶對音樂的訪問行為，并生成訪問記錄；
[0015]對生成的訪問記錄進行統(tǒng)計，根據(jù)統(tǒng)計結果獲得音樂的用戶層的時間信息、空間信息、位置信息、環(huán)境信息和天氣信息中的一種或多種；
[0016]根據(jù)各用戶的訪問記錄采用模型的方法獲得音樂的用戶層的狀態(tài)信息和/或情
緒信息。
[0017]優(yōu)選地，計算所述用戶的上下文信息和所述音樂的上下文信息之間的匹配度包括:
[0018]計算所述用戶的上下文信息和所述音樂的上下文信息各維度的KL距離；
[0019]將計算得到的各維度的KL距離進行加權平均得到所述用戶的上下文信息和所述音樂的上下文信息之間的匹配度。
[0020]本發(fā)明還提出了一種音樂推薦系統(tǒng)，至少包括移動終端和服務；
[0021]所述移動終端至少包括:
[0022]第一獲取模塊，用于獲取用戶的上下文信息，將獲得的上下文信息發(fā)送給服務器；
[0023]推薦模塊，用于將來自服務器的K首音樂推薦給所述用戶；
[0024]所述服務器至少包括:
[0025]存儲模塊，用于保存預先獲取的音樂的上下文信息；
[0026]計算模塊，用于計算所述用戶的上下文信息和所述音樂的上下文信息之間的匹配度；
[0027]發(fā)送模塊，用于將計算得到的匹配度較大的K首音樂發(fā)送給所述移動終端，其中，K為大于等于I的整數(shù)；所述服務器還包括:第二獲取模塊，用于預先獲取音樂的上下文信息；
[0028]或者所述音樂推薦系統(tǒng)還包括:
[0029]獲取裝置，用于預先獲取音樂的上下文信息。
[0030]優(yōu)選地，所述第二獲取模塊或所述獲取裝置具體用于:
[0031]獲取所述音樂的用戶層的上下文信息和所述音樂的物理層的上下文信息；將所述音樂的用戶層的上下文信息和所述音樂的物理層的上下文信息進行加權平均得到所述音樂的上下文信息。
[0032]優(yōu)選地，所述音樂的用戶層的上下文信息，或所述音樂的物理層的上下文信息，或所述用戶的上下文信息包括:時間信息、空間信息、位置信息、環(huán)境信息、天氣信息、狀態(tài)信息和情緒信息中的一種或多種。
[0033]優(yōu)選地，所述第二獲取模塊或所述獲取裝置具體用于:
[0034]實時獲取各用戶對音樂的訪問行為，并生成訪問記錄；對生成的訪問記錄進行統(tǒng)計，根據(jù)統(tǒng)計結果獲得音樂的用戶層的時間信息、空間信息、位置信息、環(huán)境信息和天氣信息中的一種或多種；根據(jù)各用戶的訪問記錄采用模型的方法獲得音樂的用戶層的狀態(tài)信息和/或情緒信息。[0035]優(yōu)選地，所述計算模塊，具體用于:
[0036]計算所述用戶的上下文信息和所述音樂的上下文信息各維度的KL距離；將計算得到的各維度的KL距離進行加權平均得到所述用戶的上下文信息和所述音樂的上下文信息之間的匹配度。
[0037]與現(xiàn)有技術相比，本發(fā)明包括:獲取用戶的上下文信息；計算所述用戶的上下文信息和所述音樂的上下文信息之間的匹配度，將計算得到的匹配度較大的K首音樂推薦給所述用戶，其中，K為大于等于I的整數(shù)。通過本發(fā)明的方案，將用戶的上下文信息和音樂的上下文信息進行匹配計算，將匹配度高的音樂推薦給用戶，增強了音樂與用戶的耦合性，從而提高了音樂推薦精度。
【專利附圖】

【附圖說明】
[0038]下面對本發(fā)明實施例中的附圖進行說明，實施例中的附圖是用于對本發(fā)明的進一步理解，與說明書一起用于解釋本發(fā)明，并不構成對本發(fā)明保護范圍的限制。
[0039]圖1為本發(fā)明的音樂推薦方法的流程圖；
[0040]圖2為本發(fā)明的預先獲取音樂的上下文信息的方法流程圖；
[0041]圖3為本發(fā)明的獲取音樂的用戶層的上下文信息的方法流程圖；
[0042]圖4為本發(fā)明的音樂推薦系統(tǒng)的結構組成示意圖。 【具體實施方式】
[0043]為了便于本領域技術人員的理解，下面結合附圖對本發(fā)明作進一步的描述，并不能用來限制本發(fā)明的保護范圍。
[0044]參見圖1，本發(fā)明提出了一種音樂推薦方法，應用于移動終端，該方法預先獲取音樂的上下文信息。
[0045]該方法包括:
[0046]步驟100、獲取用戶的上下文信息。
[0047]本步驟中，如表1所示，用戶的上下文信息包括時間信息、空間信息、位置信息、環(huán)境信息、天氣信息、狀態(tài)信息和情緒信息中的一種或多種。用戶的上下文信息的維度劃分必須與音樂的上下文信息的維度劃分保持一致。
【權利要求】
1.一種音樂推薦方法，其特征在于，應用于移動終端，預先獲取音樂的上下文信息，該方法包括: 獲取用戶的上下文信息； 計算所述用戶的上下文信息和所述音樂的上下文信息之間的匹配度，將計算得到的匹配度較大的K首音樂推薦給所述用戶，其中，K為大于等于I的整數(shù)。
2.根據(jù)權利要求1所述的音樂推薦方法，其特征在于，所述預先獲取音樂的上下文信息包括: 獲取所述音樂的用戶層的上下文信息和所述音樂的物理層的上下文信息； 將所述音樂的用戶層的上下文信息和所述音樂的物理層的上下文信息進行加權平均得到所述音樂的上下文信息。
3.根據(jù)權利要求2所述的音樂推薦方法，其特征在于，所述音樂的用戶層的上下文信息，或所述音樂的物 理層的上下文信息，或所述用戶的上下文信息包括:時間信息、空間信息、位置信息、環(huán)境信息、天氣信息、狀態(tài)信息和情緒信息中的一種或多種。
4.根據(jù)權利要求3所述的音樂推薦方法，其特征在于，所述獲取音樂的用戶層的上下文信息包括: 實時獲取各用戶對音樂的訪問行為，并生成訪問記錄； 對生成的訪問記錄進行統(tǒng)計，根據(jù)統(tǒng)計結果獲得音樂的用戶層的時間信息、空間信息、位置信息、環(huán)境信息和天氣信息中的一種或多種； 根據(jù)各用戶的訪問記錄采用模型的方法獲得音樂的用戶層的狀態(tài)信息和/或情緒信肩、O
5.根據(jù)權利要求1所述的音樂推薦方法，其特征在于，計算所述用戶的上下文信息和所述音樂的上下文信息之間的匹配度包括: 計算所述用戶的上下文信息和所述音樂的上下文信息各維度的KL距離； 將計算得到的各維度的KL距離進行加權平均得到所述用戶的上下文信息和所述音樂的上下文信息之間的匹配度。
6.一種音樂推薦系統(tǒng)，其特征在于，至少包括移動終端和服務； 所述移動終端至少包括: 第一獲取模塊，用于獲取用戶的上下文信息，將獲得的上下文信息發(fā)送給服務器； 推薦模塊，用于將來自服務器的K首音樂推薦給所述用戶； 所述服務器至少包括: 存儲模塊，用于保存預先獲取的音樂的上下文信息； 計算模塊，用于計算所述用戶的上下文信息和所述音樂的上下文信息之間的匹配度；發(fā)送模塊，用于將計算得到的匹配度較大的K首音樂發(fā)送給所述移動終端，其中，K為大于等于I的整數(shù)；所述服務器還包括:第二獲取模塊，用于預先獲取音樂的上下文信息；或者所述音樂推薦系統(tǒng)還包括: 獲取裝置，用于預先獲取音樂的上下文信息。
7.根據(jù)權利要求6所述的音樂推薦系統(tǒng)，其特征在于，所述第二獲取模塊或所述獲取裝置具體用于: 獲取所述音樂的用戶層的上下文信息和所述音樂的物理層的上下文信息；將所述音樂的用戶層的上下文信息和所述音樂的物理層的上下文信息進行加權平均得到所述音樂的上下文信息。
8.根據(jù)權利要求7所述的音樂推薦系統(tǒng)，其特征在于，所述音樂的用戶層的上下文信息，或所述音樂的物理層的上下文信息，或所述用戶的上下文信息包括:時間信息、空間信息、位置信息、環(huán)境信息、天氣信息、狀態(tài)信息和情緒信息中的一種或多種。
9.根據(jù)權利要求8所述的音樂推薦系統(tǒng)，其特征在于，所述第二獲取模塊或所述獲取裝置具體用于: 實時獲取各用戶對音樂的訪問行為，并生成訪問記錄；對生成的訪問記錄進行統(tǒng)計，根據(jù)統(tǒng)計結果獲得音樂的用戶層的時間信息、空間信息、位置信息、環(huán)境信息和天氣信息中的一種或多種；根據(jù)各用戶的訪問記錄采用模型的方法獲得音樂的用戶層的狀態(tài)信息和/或情緒信息。
10.根據(jù)權利要求6所述的音樂推薦系統(tǒng)，其特征在于，所述計算模塊，具體用于: 計算所述用戶的上下文信息和所述音樂的上下文信息各維度的KL距離；將計算得到的 各維度的KL距離進行加權平均得到所述用戶的上下文信息和所述音樂的上下文信息之間的匹配度。
【文檔編號】G06F17/30GK103970873SQ201410203035
【公開日】2014年8月6日 申請日期:2014年5月14日 優(yōu)先權日:2014年5月14日
【發(fā)明者】湯雅妃, 張云勇, 魏進武, 李璐穎, 李丹, 李衛(wèi), 張基恒, 張呈宇, 霍玉嵩 申請人:中國聯(lián)合網(wǎng)絡通信集團有限公司