基于状态转移的奖励值音乐推荐研究

• 作者: 孙界平 李微 琚生根 谭斌
• 来源期刊: 四川大学学报（自然科学版）
• 学科: 工学
• 关键词: 音乐推荐 用户偏好 状态转移 奖励函数 离散化
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 计算机科学
• 页码范围: 719-726
• 页数: 8页
• 分类号: TP391
• 字数: 4911字
• 语种: 中文
• DOI: 10.3969/j.issn.0490-6756.2018.04.011

摘要

听音乐有助于纾解人们的压力,现已成为大众娱乐的一种重要方式.互联网的发展使人们听音乐变得方便,但同时也使得“信息过载”的问题变得日益严重.尽管各大公司平台纷纷推出了针对音乐的推荐系统来解决这个问题,但现有传统的推荐系统并不能保证用户体验,用户对精准推荐的需求仍很强烈.为解决“信息过载”问题的同时并保证用户体验,本文提出了基于状态转移的奖励值算法.该算法包括对用户自身喜好建模,并利用用户集数据提出的音乐流行度和用户从众度,根据用户喜好、音乐流行度以及状态转移概率定义奖励函数.所提出的算法能个性化地对音乐库数据进行筛选和聚类.在对数据进行处理时,采用Davies-Bouldin指数对声乐特征进行离散化.在模型训练时,采用基于列表距离最小化的计算方法对参数进行选择.通过在Million Song Dataset开源音乐数据集上的实验,表明在算法中加入音乐流行度对推荐效果有一定影响,本文所给出的推荐算法能够提高推荐的效果,说明了本文算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谭斌	四川大学锦江学院	34	159	8.0	11.0
2	孙界平	四川大学计算机学院	15	91	6.0	9.0
3	琚生根	四川大学计算机学院	72	460	11.0	16.0
4	李微	四川大学锦江学院	1	3	1.0	1.0