专利名称：一种音乐推荐方法及装置的制作方法
技术领域：
本发明涉及网络音乐应用领域，特别是涉及一种音乐推荐方法及装置。
背景技术：
在网络音乐应用领域中，推荐是一种常用的使用户发现音乐的服务。多数推荐服 务是基于用户行为的。基于用户行为的推荐方法有多种，例如AlsoBuy推荐方法和用户聚 类方法，其中Also Buy推荐方法为有大部分听了歌曲A的用户也听了歌曲B，那么就认为 喜欢歌曲A的人喜欢歌曲B的可能性比较高，如果发现有一个用户只听了歌曲A，那么就可 以给他推荐歌曲B ；用户聚类方法为根据用户行为将用户聚合成相似的分类，然后根据这 个分类的典型行为来给其中的用户推荐，也就是说，会给分类中的所有用户提供相同的推 荐。上述两种推荐方法均存在无法为用户提供个性推荐的缺陷。
发明内容
有鉴于此，本发明提出一种音乐推荐方法及装置，所要解决的技术问题为为用户 提供个性推荐，以提高用户的满意度。本发明的目的及解决其技术问题是采用以下技术方案来实现的。依据本发明提出 的一种音乐推荐方法，包括以下步骤Si.获取音乐的音乐归属函数，所述音乐归属函数为音乐在不同维度中粒度的集 合，其中，维度为对音乐的分类，粒度为对所述维度的分类，所述音乐归属函数的表达式为 A (music, Pk) = {pkJ I j = 1,2, . . . . η}, k = 1,2,…m，其中，Pk 为维度，Pkj 为粒度，m 为 维度的个数，η为所述维度中粒度的个数；S2.获取用户的用户归属函数，所述用户归属函 数为用户喜欢的不同维度中的粒度的集合，所述用户归属函数的表达式为A(User，Pk)= {pki I i = 1，2...，m}，k= 1,2,…m，其中，Pk为维度，PkiS粒度，m为维度的个数，η为所述 维度中粒度的个数；S3.通过所述音乐归属函数和用户归属函数计算粒度相关函数，所述
r、……、，11+、，i、f Ο; ' Almusic Pi ) ^ A (user, Ps )!； j 、文
粒度相关函数表达式为f(user,musicP1 ) - /"k j : S4.通
1 {1. 1 j Λ(music.Pk) t A(ysei.Pk HI]
过粒度相关函数和维度加权系数计算用户喜欢音乐的概率函数的值，所述用户喜欢音乐的
ItJ
概率函数为:F(user # music ) 2j(uk * ffiiser ^music , Pk)),其中，α k 为维度力口权系数；
k I
S5.当所述用户喜欢音乐的概率的值大于预设的阈值时，将所述音乐推荐给用户。本发明的目的及解决其技术问题还可采用以下技术措施进一步实现。前述的音乐推荐方法，步骤Sl中，通过接收人工输入或程序识别来获取音乐的音 乐归属函数。前述的音乐推荐方法，所述用户具有至少一个用户归属函数。前述的音乐推荐方法，步骤S2中，通过接收用户输入或分析用户行为来获取用户的用户归属函数。前述的音乐推荐方法，通过分析用户行为获取用户归属函数的步骤包括
521.根据用户对音乐的行为得到用户喜欢音乐的行为函数，所述用户喜欢音乐的行为
函数的表达式为P(usei;music) = Iilk-Qk( set;music),其中，Qk (user, music)
.p.—t. ^
表示用户对音乐采取Qk行为的结果值；qk为行为加权系数；y为行为种类的个数；
522.通过所述行为函数计算得到用户与粒度的相识函数，所述相识函数的表达式为
K
f(user,pkl)= Ef(User5Mj)，其中，％为归属于粒度Pki的音乐，x为归属于所还粒度
JisI
Pki的音乐的个数；S23.将每个维度中用户与粒度的相识函数的值从大到小的前Z位的粒度 分别作为ζ个用户归属函数中的一个粒度，以形成ζ个用户归属函数，其中ζ ^ 1。本发明的目的及解决其技术问题另外还采用以下技术方案来实现。依据本发明提 出的一种音乐推荐装置，包括音乐归属函数获取单元，用于获取所述音乐归属函数，所述 音乐归属函数为音乐在不同维度中粒度的集合，其中，维度为对音乐的分类，粒度为对所述 维度的分类，所述音乐归属函数的表达式为A(mUSic，Pk) = {pkj|j = l，2，...，n}，k= 1， 2，…m，其中，Pk为维度，pkJ为粒度，m为维度的个数，η为所述维度中粒度的个数；用户归 属函数获取单元，用于获取所述用户归属函数，所述用户归属函数为用户喜欢的不同维度 中的粒度的集合，所述用户归属函数的表达式为A(User，Pk) = {pki|i = l，2...，n}，k = 1,2,…m，其中，Pk为维度，pki为粒度，m为维度的个数，η为所述维度中粒度的个数；粒度 相关函数计算单元，用于通过所述音乐归属函数和用户归属函数计算粒度相关函数，所述
,、一 ,、,ι、,,,+、, ,、,( : -!i A( simsic. P, ) € Λ (user. F1 )!!-j . ^
粒度相关函数表达式为fUiser. music,Ρ; ) - ·!, ,. r； t‘概率函
‘ [1; 'j A(tiiusic-1\ ‘) G Λ(user. P1 IIr-J
数计算单元，用于通过粒度相关函数和维度加权系数计算用户喜欢音乐的概率函数的值，
ItJ
所述用户喜欢音乐的概率函数为:F(nser # music ) I^iak * f{iiser ,music , Pk )),其中，
k I
α k为维度加权系数；推荐单元，用于当所述用户喜欢音乐的概率的值大于预设的阈值时， 将所述音乐推荐给用户。本发明的目的及解决其技术问题还可采用以下技术措施进一步实现。前述的音乐推荐装置，所述音乐归属函数获取单元通过接收人工输入或程序识别 来获取音乐的音乐归属函数。前述的音乐推荐装置，所述用户具有至少一个用户归属函数。前述的音乐推荐装置，所述用户归属函数获取单元通过接收用户输入或分析用户 行为来获取用户的用户归属函数。前述的音乐推荐装置，所述用户归属函数获取单元包括行为函数计算单元，用于根据用户对音乐的行为得到用户喜欢音乐的行为函数，
￥
所述用户喜欢音乐的行为函数的表达式为F(user,imisk)= IflkeQkCuser5music),其
中，Qk(user，music)表示用户对音乐采取Qk行为的结果值；qk为行为加权系数；y为行为种类的个数；相识函数计算单元，用于通过所述行为函数计算得到用户与粒度的相识函数，所 述相识函数的表达式为fiuseqi: ) I^usuU ,其中，m.为归属于粒度Pki的音 乐，χ为归属于所述粒度Pki的音乐的个数；用户归属函数形成单元，用于将每个维度中用户与粒度的相识函数的值从大到小 的前Z位的粒度分别作为Z个用户归属函数中的一个粒度，以形成Z个用户归属函数，其中 ζ彡1。由上述技术方案可知，本发明的实施例具有为用户提供个性推荐，以提高用户的 满意度的有益效果。通过以下参照附图对优选实施例的说时，本发明的上述以及其它目的、特征和优 点将更加明显。
图1为本发明一实施例提供的音乐推荐方法的流程图；图2为本发明一实施例提供的通过分析用户行为获取用户归属函数的流程图；图3为本发明一实施例提供的音乐推荐装置的框图；图4为本发明一实施例提供的用户归属函数获取单元的框图。
具体实施例方式下面将详细描述本发明的具体实施例。应当注意，这里描述的实施例只用于举例 说明，并不用于限制本发时。请参阅图1所示，其为本发明一实施例提供的音乐推荐方法的流程图。该音乐推 荐方法应用于音乐推荐装置中，该音乐推荐装置可为互联网中的在线音乐推荐装置，也可 为不与网络连接的音乐推荐装置。该音乐推荐方法包括以下步骤Si.获取音乐的音乐归属函数，该音乐归属函数为音乐在不同维度中粒度的集 合，其中，维度为对音乐的分类，粒度为对所述维度的分类，所述音乐归属函数的表达式为 A (music, Pk) = {pkJ I j = 1，2，· · ·，n}，k = 1，2，…m，其中，Pk 为维度，Pkj 为粒度，m 为维 度的个数，η为维度中粒度的个数；详细地，维度Pk和粒度pkj的关系的表达式为ΡΚ {pk0, pkl, pk2,…，pkn}。平先，对维度和粒度进行举例说明若将音乐分别按照年代、语言、歌手以及风格 分类，则可对维度和粒度分别作如下配置维度P1为年代，其中各粒度分别为p1Q为未知，P11为70年代前，p12为0 80年 代，P13为80 90年代，P14为90 2000年代，p15为2000年以后，用表达式表示为P1 :{未知，70年代前，70 80年代，80 90年代，90 2000年代，2000年以后}；维度P2为语言，其中各粒度分别为p2Q为未知，P21为普通话，P22为粤语，P23为闽 南语，P24为英语，P25为日语，P26为韩语，......，P2n为法语，用表达式表示为P2 :{未知，普通话，粤语，闽南语，英语，日语，韩语，……，法语};维度P3为歌手，其中各粒度分别为p3(l为未知，P31为张学友，P34为张国荣，P35为周杰伦，......，P3n为张信哲}，用表达式表示为P3 :{未知，张学友，张国荣，周杰伦，......，张信哲}；维度P4为风格，其中各粒度分别为p4(1为未知，P41为励志，P42为民歌，P43为摇滚， P44为抒情，P45为流行，……，P4n为舞曲}，用表达式表示为P4 :{未知，励志，民歌，摇滚，抒情，流行，……，舞曲}。对于任一音乐music，必归属于维度Pk中的一个粒度Pkj集合，某一音乐music用 音乐归属函数表示为A (music，Pk) = {pkj| j = 1，2，...，n}，例如，歌曲《菊花台》在维度 Pi、P2、P3以及P4中的粒度分别为2000年以后、普通话、周杰伦以及流行，则用音乐归属函数表示为 iPl5' P21，P35，P45}。在一实施例中，获取音乐的音乐归属函数的方法包括接收人工输入或程序识别， 人工输入为通过人工操作对每一首音乐在每一个维度上进行分类录入；程序识别为通过软 件程序对每一首歌在每一个维度上进行自动识别。S2.获取用户的用户归属函数，所述用户归属函数为用户喜欢的不同维度中的粒 度的集合，所述用户归属函数的表达式为A(User，Pk) = {pki I i = l，2...，n}，k= 1,2,… m，其中，Pk为维度，pki为粒度，m为维度的个数，η为所述维度中粒度的个数；对于任一用户user，必归属于维度Pk中的一个粒度Pki集合，某一用户user由用 户归属函数表示为=A(user, Pk) = {pki | i = 1,2. · ·，η}，k = 1,2,…m，例如，用户A在维 度Pi、P2、P3以及P4中喜欢的粒度分别为90 2000年代、普通话、张学友以及流行，则用户 A用用户归属函数表示为 lPl4' P21，P31，P45J 0在一实施例中，获取用户的用户归属函数的方法包括接收用户输入，即接收由用 户在每一个维度上进行粒度选择；分析用户行为，即通过分析用户对音乐的行为来识别其 在每一个维度上的粒度。在另一实施例中，用户具有一个或多个用户归属函数，以更完整地表征出用户的 一个或多个喜好。例如，某用户的用户归属函数可以有两个，分别为{2000年以后，普通 话，周杰伦，流行}和{90-2000年代，普通话，王菲，流行}。S3.通过音乐归属函数和用户归属函数计算粒度相关函数，该粒度相关函数表达式为
权利要求
1.一种音乐推荐方法，其特征在于，应用于音乐推荐装置中，包括以下步骤51.获取音乐的音乐归属函数，所述音乐归属函数为音乐在不同维度中粒度的集合， 其中，维度为对音乐的分类，粒度为对所述维度的分类，所述音乐归属函数的表达式为 A (music, Pk) = {pkj j = 1, 2, . . . , η}, k = 1,2, ...m,其中，Pk为维度，Pkj为粒度，m为维度的个数，η为所述维度中粒度的个数；52.获取用户的用户归属函数，所述用户归属函数为用户喜欢的不同维度中的粒度的 集合，所述用户归属函数的表达式为=A (user, Pk) = {pki | i = 1，2. . .，η}，k = 1，2，…m，其中，Pk为维度，Pki为粒度，m为维度的个数，η为所述维度中粒度的个数；53.通过所述音乐归属函数和用户归属函数计算粒度相关函数，所述粒度相关函数表丄f(); ''j Λ(mubic.Pk) Τ A(usetΛ\ )i' j'达式为！《user.music.Pk》= ,；11; 1 Λ(inifeic. Pk) “ Λ(user, Pf ) I54.通过粒度相关函数和维度加权系数计算用户喜欢音乐的概率函数的值，所述用户喜欢音乐的概率函数为:F(user, imisic ) 二 \d(uk · f (user, rnusic 3 Pk)) fk · 其中，α k为维度加权系数；55.当所述用户喜欢音乐的概率的值大于预设的阈值时，将所述音乐推荐给用户。
2.根据权利要求1所述的音乐推荐方法，其特征在于，步骤Sl中，通过接收人工输入或 程序识别来获取音乐的音乐归属函数。
3.根据权利要求1所述的音乐推荐方法，其特征在于，所述用户具有至少一个用户归 属函数。
4.根据权利要求1所述的音乐推荐方法，其特征在于，步骤S2中，通过接收用户输入或 分析用户行为来获取用户的用户归属函数。
5.根据权利要求4所述的音乐推荐方法，其特征在于，通过分析用户行为获取用户归 属函数的步骤包括521.根据用户对音乐的行为得到用户喜欢音乐的行为函数，所述用户喜欢音乐的行为函数的表达式为F'(user.music)-music}) 其中，Qk(USer，mUSic)表示用户对音乐采取Qk行为的结果值；qk为行为加权系数；y为 行为种类的个数；522.通过所述行为函数计算得到用户与粒度的相识函数，所述相识函数的表达式为其中，Ii^为归属于粒度pki的音乐，χ为归属于所述粒度Pki的音乐的个数； S23.将每个维度中用户与粒度的相识函数的值从大到小的前ζ位的粒度分别作为ζ个 用户归属函数中的一个粒度，以形成ζ个用户归属函数，其中ζ ≥ 1。
6. 一种音乐推荐装置，其特征在于，包括音乐归属函数获取单元，用于获取所述音乐归属函数，所述音乐归属函数为音乐在不 同维度中粒度的集合，其中，维度为对音乐的分类，粒度为对所述维度的分类，所述音乐归属函数的表达式为A (music，Pk) = {pkJ|j = 1,2,...,η}, k= 1,2,…m，其中，Pk 为维度， Pkj为粒度，m为维度的个数，η为所述维度中粒度的个数；用户归属函数获取单元，用于获取所述用户归属函数，所述用户归属函数为用户喜欢 的不同维度中的粒度的集合，所述用户归属函数的表达式为A(User，Pk) = {pki|i = 1， 2. . .，η}，k = 1，2，…m，其中，Pk为维度，pki为粒度，m为维度的个数，η为所述维度中粒度 的个数；粒度相关函数计算单元，用于通过所述音乐归属函数和用户归属函数计算粒度相关函数，所述杻度相关函数表达式为
7.根据权利要求6所述的音乐推荐装置，其特征在于，所述音乐归属函数获取单元通 过接收人工输入或程序识别来获取音乐的音乐归属函数。
8.根据权利要求6所述的音乐推荐装置，其特征在于，所述用户具有至少一个用户归 属函数。
9.根据权利要求6所述的音乐推荐装置，其特征在于，所述用户归属函数获取单元通 过接收用户输入或分析用户行为来获取用户的用户归属函数。
10.根据权利要求9所述的音乐推荐装置，其特征在于，所述用户归属函数获取单元包括行为函数计算单元，用于根据用户对音乐的行为得到用户喜欢音乐的行为函数，所述V用户喜欢音乐的行为函数的表达式为
全文摘要
本发明公开了一种音乐推荐方法及装置，该方法应用于音乐推荐装置中，包括以下步骤S1.获取音乐的音乐归属函数，所述音乐归属函数为音乐在不同维度中粒度的集合，其中，维度为对音乐的分类，粒度为对所述维度的分类；S2.获取用户的用户归属函数，所述用户归属函数为用户喜欢的不同维度中的粒度的集合；S3.通过所述音乐归属函数和用户归属函数计算粒度相关函数；S4.通过粒度相关函数和维度加权系数计算用户喜欢音乐的概率函数的值；S5.当所述用户喜欢音乐的概率的值大于预设的阈值时，将所述音乐推荐给用户。本发明能够为用户提供个性推荐，以提高用户的满意度。
文档编号G06F17/30GK102004785SQ20101056825
公开日2011年4月6日 申请日期2010年11月30日 优先权日2010年11月30日
发明者王红宝 申请人:北京瑞信在线系统技术有限公司