一种音乐推荐方法、推荐系统、智能座舱及车辆技术方案

本发明专利技术公开了一种音乐推荐方法、推荐系统、智能座舱及车辆，方法步骤包括：在离线层基于用户画像和用户与车机的交互日志生成用户特征矩阵；在离线层基于物品的维度特征生成物品特征矩阵，结合不同的算法和时间颗粒度进行数据处理，生成车载音乐推荐列表；在在线层生成情感矩阵，在在线层根据用户特征矩阵、物品特征矩阵和情感矩阵，结合车载音乐推荐列表，进行音乐推荐。本发明专利技术在离线层考虑用知识图谱来获取实体与关系的嵌入特诊丰富物品矩阵，在线层使用图像与语音识别来进一步对用户的情感状态做澄清，为用户推荐更多喜欢的音乐，少推荐不喜欢的音乐，对无关的情绪不做过度的推荐结果的干预，来提升音乐推荐的效率以及效果。果。果。

【技术实现步骤摘要】
一种音乐推荐方法、推荐系统、智能座舱及车辆


[0001]本专利技术涉及一种推荐方法、系统及其车辆，尤其涉及一种音乐推荐方法、推荐系统、智能座舱及车辆。

技术介绍

[0002]现有的音乐推荐系统主流的做法是：基于用户特征矩阵、物品特征矩阵设计的，先从成千上万歌曲库中召回几千条歌曲，然后进行排序取出topN作为推荐集合。现行方案广泛存在的一个问题是没有考虑用户的情感状态作为单独的特征维度参与排序计算；即使有也只是孤立的使用图像或者语音识别中的某一项来进行识别用户的情感状态，并没有对情感状态进行细致的区分出是否是针对歌曲，因而在进行排序计算的时候对相同的情感赋予相同的权重，这样会导致对推荐的干扰。现有技术中存在将知识图像应用于音乐推荐，但关于如何将知识图谱应用于推荐又几种不同的说法：一种是将知识图谱作为辅助知识来丰富物品特征，另一种是端到端的利用知识图谱去做推荐。由于音乐推荐对性能有一定要求，然而端到端的方法大多数基于图神经网络来做的，性能方面较弱，不太符合该场景。

技术实现思路

[0003]本专利技术的目的在于提供一种音乐推荐方法、推荐系统、智能座舱及车辆，通过离线与在线交互的方式，基于用户画像和车机交互日志生成对应的特征矩阵，并结合知识图谱，进行个性化的音乐推荐，解决现有技术存在的缺憾。
[0004]本专利技术提供了下述方案：
[0005]一种音乐推荐方法，包括：
[0006]在离线层基于用户画像和用户与车机的交互日志生成用户特征矩阵；
[0007]在离线层基于物品的维度特征生成物品特征矩阵；
[0008]根据用户特征矩阵和物品特征矩阵，结合不同的算法和时间颗粒度进行数据处理，生成车载音乐推荐列表；
[0009]在在线层生成情感矩阵，所述情感矩阵根据当前用户的不同情感状态构建而成；
[0010]在在线层根据用户特征矩阵、物品特征矩阵和情感矩阵，结合车载音乐推荐列表，进行音乐推荐。
[0011]进一步的，所述用户特征矩阵包括音乐偏好类型、用户基本信息、历史播放记录。
[0012]进一步的，在基于物品的维度特征生成物品特征矩阵，还包括与知识图谱进行结合，用于描述物品实体、关系、属性的结构。
[0013]进一步的，所述知识图谱包括与音乐、歌手相关的文本信息，通过信息抽取技术抽取出关系、实体、属性三元组，经过指代消解、实体消歧并引入三方知识库进行知识融合，再经过知识加工，构建出网状关系。
[0014]进一步的，建立所述情感矩阵与推荐目标之间的权重关系，用于区分不同情感状态在排序计算中起到的重要性。
[0015]一种音乐推荐系统，包括
[0016]离线层用户特征矩阵生成模块，用于在离线层基于用户画像和用户与车机的交互日志生成用户特征矩阵；
[0017]离线层物品特征矩阵生成模块，用于在离线层基于物品的维度特征生成物品特征矩阵；
[0018]车载音乐推荐列表生成模块，用于根据用户特征矩阵和物品特征矩阵，结合不同的算法和时间颗粒度进行数据处理，生成车载音乐推荐列表；
[0019]情感矩阵生成模块，用于在在线层生成情感矩阵，所述情感矩阵根据当前用户的不同情感状态构建而成；
[0020]车载音乐个性化推荐模块，用于在在线层根据用户特征矩阵、物品特征矩阵和情感矩阵，结合车载音乐推荐列表，进行音乐推荐。
[0021]一种电子设备，包括：处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；所述存储器中存储有计算机程序，当所述计算机程序被所述处理器执行时，使得所述处理器执行所述方法的步骤。
[0022]一种计算机可读存储介质，其存储有可由电子设备执行的计算机程序，当所述计算机程序在所述电子设备上运行时，使得所述电子设备执行所述方法的步骤。
[0023]一种智能座舱，所述智能座舱中设置有音乐推荐系统。
[0024]一种车辆，所述车辆上设置有智能座舱。
[0025]本专利技术与现有技术相比具有以下的优点：综合了离线层与在线层生成特征矩阵的优势，通过用户特征矩阵、物品特征矩阵和情感矩阵，并将车载音乐推荐列表与知识图谱相互结合，在离线层考虑用知识图谱来获取实体与关系的嵌入特诊丰富物品矩阵，在线层使用图像与语音识别来进一步对用户的情感状态做澄清，为用户推荐更多喜欢的音乐，少推荐不喜欢的音乐，对无关的情绪不做过度的推荐结果的干预，来提升音乐推荐的效率以及效果。
附图说明
[0026]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0027]图1是音乐推荐方法的流程图。
[0028]图2是音乐推荐系统的架构图。
[0029]图3是本专利技术实施例在具体应用场景中的实施方式。
[0030]图4是电子设备的结构示意图。
具体实施方式
[0031]下面将结合附图对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0032]这里考虑基于图像和语音识别将情感进一步拆分成是否针对歌曲的情感以及具体的情感状态，从而构建情感特征矩阵，将其作为短期偏好的一种表达参与排序阶段。与此同时，
[0033]如图1所示的音乐推荐方法，方法步骤包括：
[0034]步骤S1，在离线层基于用户画像和用户与车机的交互日志生成用户特征矩阵；
[0035]具体的，所述用户特征矩阵包括音乐偏好类型、用户基本信息、历史播放记录。
[0036]示例性的，用户特征矩阵来源于用户画像和用户的与车机音乐软件的交互日志分析产生的特征向量，比如：用户是否喜欢古典乐、用户最近7天听流行乐的时长等，通常相似的用户会有相似的产品偏好。用户画像数据是包含用户基本信息、用户兴趣等在内的用于刻画用户长期特征的表达，这种长期特征通常包含用户的偏好和人群特质，比如：性格、音乐喜好、年龄段等。用户与车机音乐软件的交互，可以挖掘出用户的使用偏好，以及其与物品的直接交互特征，是用户与物品连接的一种直接表达，比如：用户最近7天最常听的音乐曲风、最近7天完播率最低的音乐曲风。用户画像和交互日志，从直接或间接的角度来描述用户的形象、偏好，是用户行为的表达。
[0037]步骤S2，在离线层基于物品的维度特征生成物品特征矩阵；
[0038]示例性的，物品特征矩阵主要包含了物品各个维度的特征，比如：音乐的流派、曲风、火热程度等。一般是通过分析物品的属性、特质来定义物品特征，进而构建物品特征矩阵。离线层根据用户特征矩阵和物品特征矩阵，其中离线层的物品特征和用户画像一般本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种音乐推荐方法，其特征在于，包括：在离线层基于用户画像和用户与车机的交互日志生成用户特征矩阵；在离线层基于物品的维度特征生成物品特征矩阵；根据用户特征矩阵和物品特征矩阵，结合不同的算法和时间颗粒度进行数据处理，生成车载音乐推荐列表；在在线层生成情感矩阵，所述情感矩阵根据当前用户的不同情感状态构建而成；在在线层根据用户特征矩阵、物品特征矩阵和情感矩阵，结合车载音乐推荐列表，进行音乐推荐。2.根据权利要求1所述的音乐推荐方法，其特征在于，所述用户特征矩阵包括音乐偏好类型、用户基本信息、历史播放记录。3.根据权利要求1所述的音乐推荐方法，其特征在于，在基于物品的维度特征生成物品特征矩阵，还包括与知识图谱进行结合，用于描述物品实体、关系、属性的结构。4.根据权利要求3所述的音乐推荐方法，其特征在于，所述知识图谱包括与音乐、歌手相关的文本信息，通过信息抽取技术抽取出关系、实体、属性三元组，经过指代消解、实体消歧并引入三方知识库进行知识融合，再经过知识加工，构建出网状关系。5.根据权利要求1所述的音乐推荐方法，其特征在于，建立所述情感矩阵与推荐目标之间的权重关系，用于区分不同情感状态在排序计算中起到的重要性。6.一种音乐推荐系统，其特征在于，包括离线层用户特征矩阵生...

【专利技术属性】
技术研发人员：易紫阳，
申请(专利权)人：一汽北京软件科技有限公司，
类型：发明
国别省市：