基于多模态的音乐推荐系统

• 作者: 邵曦 龚志
• 来源期刊: 南京信息工程大学学报
• 学科: 工学
• 关键词: 音乐推荐 协同过滤 LDA主题模型 多模态融合 LSTM神经网络
• 年，卷（期）: 2019,（1）
• 页码范围: 68-76
• 页数: 9页
• 分类号: TN912
• 字数: 8845字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-7070.2019.01.014

摘要

使用传统协同过滤的方式进行推荐往往会忽视音乐底层特征.通过将音乐的音频特征与歌词信息进行多模态融合,并将融合后的特征信息作为协同过滤推荐的补充,提出了一种基于多模态的音乐推荐系统.主要探讨了音频特征与歌词信息的提取,并在提取歌词信息时利用LDA主题模型进行特征降维.针对多模态融合问题,使用一种特征级联早融合法(EFFC)融合方式,并将多模态融合后的结果与单模态结果进行了比较.对于结果的推荐,以多模态特征信息为依据建立用户兴趣模型,并将该模型通过LSTM神经网络,以过滤与优化协同推荐的用户组.结果表明,基于多模态的音乐推荐系统将推荐结果的误差项平方和(SSE)由传统的2.009降至0.388 6,验证了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邵曦	南京邮电大学通信与信息工程学院	27	90	6.0	8.0
2	龚志	南京邮电大学通信与信息工程学院	1	1	1.0	1.0