基于上下文预过滤的实时音乐推荐方法技术

基于上下文预过滤的实时音乐推荐方法，依据用户的历史数据，针对每个在线活跃用户进行以下操作：首先，提取所有用户的历史数据（如用户听音乐的时间、场所和天气等），构建“用户-音乐-上下文”三元数据模型，并针对每个用户建立由音乐和上下文组成的个人记录集合；其次，构造用户K近邻的当前上下文相似记录集合，从而将三元数据模型转化为用户和音乐组成的二元模型；最后，采用基于模糊聚类的协同过滤算法预测用户对不同音乐的偏爱程度。本发明专利技术的优点在于：充分考虑上下文信息，推荐更符合用户偏好、当前心情和周围环境的音乐。

【技术实现步骤摘要】
【专利摘要】，依据用户的历史数据，针对每个在线活跃用户进行以下操作：首先，提取所有用户的历史数据（如用户听音乐的时间、场所和天气等），构建“用户-音乐-上下文”三元数据模型，并针对每个用户建立由音乐和上下文组成的个人记录集合；其次，构造用户K近邻的当前上下文相似记录集合，从而将三元数据模型转化为用户和音乐组成的二元模型；最后，采用基于模糊聚类的协同过滤算法预测用户对不同音乐的偏爱程度。本专利技术的优点在于：充分考虑上下文信息，推荐更符合用户偏好、当前心情和周围环境的音乐。【专利说明】
本专利技术涉及音乐推荐系统的
，特别是基于上下文预过滤的实时音乐推荐系统的算法。
技术介绍
20世纪90年代以来，随着互联网技术的飞速发展，人们在获取丰富信息的同吋，也浸于信息泥潭而难以高效地搜集自身所需的信息，从而引发“信息过载”问题。目前，通用搜索引擎(如谷歌、百度)是最流行的获取信息的工具，但正因为它们的通用性，这类搜索引擎不能很好地满足不同背景、不同时间、不同目标的使用者的个性化信息需求，从而无法真正地解决“信息过载”难题。于是，学术界和企业界都提出“个性化服务”的概念，来为不本文档来自技高网...

【技术保护点】
基于上下文预过滤的实时音乐推荐方法，该方法的特征在于获取用户使用音乐服务的历史数据后，针对当前在线活跃用户进行以下操作：?1）提取所有用户的历史数据，构建“用户?音乐?上下文”三元数据模型，并针对每个用户u建立的音乐和上下文组成的个人记录集合Pu；2)对每个当前活跃用户ua，根据其个人记录集合??????????????????????????????????????????????????利用余弦相关性评估历史记录中的上下文与当前上下文c的相似度，构造出K近邻的当前上下文相似记录集合S(c)；?3）利用S(c)将“用户?音乐?上下文”三元数据模型转换成“用户?音乐”二元数据模型；?4）采用基...

【技术特征摘要】

【专利技术属性】
技术研发人员：卜佳俊，王学庆，李平，陈纯，何占盈，王灿，吴晓凡，
申请(专利权)人：浙江大学，
类型：发明
国别省市：