一种基于机器学和协同过滤的音乐推荐系统

摘要

本发明提出了构建一个基于机器学和协同过滤的音乐推荐模型，主要是为了提供给用户更友好以及个性化的音乐推荐，使用户能够拥有较好和较新颖的产品使用体验。本发明所提出的推荐模型和提供构建方法为：首先从App类型的角度入手，发明了一种基于模型学的音乐推荐方案；再从用户偏好入手，结合社交关系，提出了一种协同过滤的音乐推荐方案；最后将两种方案结合并以排行榜的方式将给用户推荐音乐，同时也为用户提供反馈机制一边模型能够自动的优化推荐系统。

主权项

一种基于机器学习和协同过滤的音乐推荐系统，其特征在于，考虑到APP的众多类型，从App类型角度入手，提出了一种基于模型学习的音乐推荐方案。具体步骤为：1)每个类别的App形成训练样本，通过提取标签形成特征向量；2)每种类别的音乐选取部分优秀作品，通过分析音乐网站中的评论和音乐歌词，获得音乐特征向量；3)每个类别选取部分优秀有配乐的App，得到App特征向量和音乐特征向量，然后形成训练集。4)通过模型学习的方法，先对App进行分类，然后匹配音乐。