基于注意力机制的音乐深度推荐算法

• 作者: 张全贵 张新新 李志强
• 来源期刊: 计算机应用研究
• 关键词: 深度学习 注意力机制 音乐推荐
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2297-2299,2304
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.01.0075

摘要

在海量音乐中,如何根据用户的历史收听记录分析用户需求以实现歌曲推荐是音乐推荐领域具有挑战性课题之一.现有的音乐推荐方法仅简单地将用户听过的所有音乐均作为音乐推荐的上下文,导致不同类型音乐学习到的上下文权重分配相同,其严重影响了音乐推荐精度.针对此问题,提出了一种基于注意力机制的音乐深度推荐方法,针对不同用户的历史收听音乐动态分配不同的注意力,即学习出不同的上下文权重,使推荐结果更符合用户的实际偏好.通过在公开音乐数据集million song dateset上的测试,所提方法的推荐准确率有很大的提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张全贵	辽宁工程技术大学电子与信息工程学院	28	154	7.0	11.0
2	李志强	辽宁工程技术大学电子与信息工程学院	10	48	3.0	6.0
3	张新新	辽宁工程技术大学电子与信息工程学院	5	7	2.0	2.0