一种用户上下文信息驱动的音乐推荐算法

摘要：

针对用户的个性化音乐欣赏需求,兼顾用户所处的特定场景,提出了一种集成协同过滤与隐马尔可夫模型的音乐推荐算法(CF-HMM).以用户行为为参考维度,基于用户历史行为,优化用户相似度及其计算;综合考虑用户上下文信息和历史行为建立隐马尔可夫模型,并获取最大音乐类别概率序列;融合最大音乐类别概率序列与相似用户偏好,实现目标用户的多样化音乐推荐.真实数据集的实验结果表明,提出的推荐算法是有效的.

关键词：用户上下文、音乐类别、隐马尔科夫模型、概率序列、多样化推荐

所属期刊栏目：39

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;广西自然科学基金

在线出版日期：2020-06-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：460-465