一种个性化音乐推荐方法及系统

摘要

本发明公开了一种个性化音乐推荐方法及系统，该方法包括：步骤1，音乐推荐服务器根据用户终端针对歌曲的操作生成用户行为数据，该用户行为数据包括操作时间标签、操作次数标签和歌曲标签；步骤2，对该用户行为数据进行聚类计算，得到多个结果标签；步骤3，对该用户行为数据的操作次数依据其所处时段进行加权处理，越临近当前时刻的时段权重越高；步骤4，针对加权处理后的该用户行为数据进行归一化处理；步骤5，对该多个结果标签进行排列组合将该归一化后的用户行为数据依次与每种排列组合进行相似度计算，根据该计算结果得到用户口味，并从用户口味中选取用户口味模型；步骤6，音乐推荐服务器根据该用户口味模型，为用户终端推荐歌曲。

主权项

一种个性化音乐推荐方法，应用于音乐推荐服务器中，其特征在于，包括如下步骤：步骤1，音乐推荐服务器根据用户终端针对歌曲的操作生成用户行为数据，该用户行为数据包括操作时间标签、操作次数标签和歌曲标签；步骤2，对该用户行为数据进行聚类计算，得到多个结果标签；步骤3，对该用户行为数据的操作次数依据其所处时段进行加权处理，越临近当前时刻的时段权重越高；步骤4，针对加权处理后的该用户行为数据进行归一化处理；步骤5，对该多个结果标签进行排列组合，将该归一化后的用户行为数据依次与每种排列组合进行多维相似度计算，根据该计算结果得到用户口味，并从用户口味中选取用户口味模型；步骤6，音乐推荐服务器根据该用户口味模型，为用户终端推荐歌曲；其中，每隔第一预定时间，循环执行步骤2‑5，该步骤2包括对当前已生成的全部用户行为数据进行聚类计算；步骤5、6之间进一步包括，每隔第二预定时间，第二预定时间大于等于第一预定时间，循环执行以下步骤：针对该用户行为数据，计算各维度的标签的聚集比例，根据该聚集比例调整该维度的标签在计算相似度时的权重，聚集比例越高，权重值越高；根据历史用户行为数据或用户终端针对音乐推荐服务器推荐的歌曲的反馈操作，依照预定规则调整该用户口味模型。