基于内存计算框架和长短周期兴趣迁移及融合模型的音乐推荐方法
专利类型：发明专利
语 言：中文
申 请 号：CN201610486368.2
申 请 日：20160628
申 请 人：重庆大学
申请人地址：400045 重庆市沙坪坝区沙正街174号
公 开 日：20161207
公 开 号：CN106202205A
代 理 人：路宁
代理机构：重庆市前沿专利事务所(普通合伙) 50211
摘 要：本发明提出了一种基于内存计算框架和长短周期兴趣迁移及融合模型的音乐推荐方法，主要通过结合内存计算框架解决音乐推荐过程中不同时间跨度情况下的兴趣迁移和融合的问题。本发明首先通过改进的隐马尔科夫模型构建长短周期情况下的兴趣迁移模型，再将兴趣迁移模型中产生的长短周期用户兴趣注入长短周期图模型LSTG将兴趣迁移模型中，然后根据用户偏好在图模型中的游走路径获取相关音乐的评分，最后根据上述模型获取的用户对音乐的评分，按照高低顺序生成音乐的推荐结果集合。该方法充分考虑了不同类型周期对于用户兴趣的影响，同时结合新型的兴趣迁移模型和兴趣融合模型，实现了对用户的更加精确的个性化音乐推荐。
主 权 项：一种基于内存计算框架和长短周期兴趣迁移及融合模型的音乐推荐方法，其特征在于，包括：S1：搭建Apache?Spark框架，实现算法整体的分布式运行；利用Spark?MLlib模块实现算法，加快算法运行速度；S2：获取数据中所有用户对不同音乐的收听次数，对获取的数据进行预处理，利用收听记录计算所有用户的音乐评分；S3:将时序数据整理成周期数据集合；S4：构建长短周期兴趣迁移模型；S5：构建长短周期图模型；S6：结合S3生成的长短周期兴趣和S4中的长短周期图模型进行音乐推荐。
关 键 词：
法律状态：生效
IPC专利分类号：G06F17/30(2006.01)I