融入音乐子人格特质和社交网络行为分析的音乐推荐方法

琚春华; 黄治移; 鲍福光

doi:10.11959/j.issn.1000-0801.2015240

您当前的位置：

首页 >

文章列表页 >

融入音乐子人格特质和社交网络行为分析的音乐推荐方法

专栏：互联网业务 | 更新时间：2024-06-05

- 融入音乐子人格特质和社交网络行为分析的音乐推荐方法
- A Novel Music Recommendation Method Combining Music Sub-Personality and Social Network Behavior Analysis
- 电信科学 2015年31卷第10期页码：115-123
- 作者机构：
  
  1. 浙江工商大学现代商贸研究中心杭州 310018
  2. 浙江工商大学计算机与信息工程学院杭州 310018
  3. 浙江工商大学工商管理学院杭州 310018
- 作者简介：
  
  [ "琚春华，男，博士，浙江工商大学教授、博士生导师，计算机与信息工程学院院长，主要研究方向为智能信息处理、数据挖掘、电子商务与物流优化等。" ]
  [ "黄治移，男，浙江工商大学硕士生，主要研究方向为智能信息处理、数据挖掘。" ]
  [ "鲍福光，男，浙江工商大学博士生，主要研究方向为智能信息处理、数据挖掘和供应链协同合作。" ]
- 基金信息：
  
  国家自然科学基金资助项目;The National Natural Science Foundation of China(71571162);浙江省2011协同创新中心——现代商贸流通体系建设协同创新中心资助课题成果;Zhejiang Province 2011 Collaborative Innovation Center of Modern Business Circulation System(14SMXY04YB);国家科技支撑计划基金资助项目;The Natural Science Foundation of Zhejiang Province(2014BAH24F06);浙江省自然科学基金资助项目(LY14F020002);教育部人文社会科学重点研究基地项目;Key Research Institutes of Social Sciences and Humanities Ministry of Education(14JJD630011)
- DOI：10.11959/j.issn.1000-0801.2015240
  中图分类号：
- 网络出版日期：2015-10，
  
  纸质出版日期：2015-10-20
- 稿件说明：
移动端阅览
琚春华, 黄治移, 鲍福光. 融入音乐子人格特质和社交网络行为分析的音乐推荐方法[J]. 电信科学, 2015,31(10):115-123.

Chunhua Ju, Zhiyi Huang, Fuguang Bao. A Novel Music Recommendation Method Combining Music Sub-Personality and Social Network Behavior Analysis[J]. Telecommunications science, 2015, 31(10): 115-123.
琚春华, 黄治移, 鲍福光. 融入音乐子人格特质和社交网络行为分析的音乐推荐方法[J]. 电信科学, 2015,31(10):115-123. DOI： 10.11959/j.issn.1000-0801.2015240.

Chunhua Ju, Zhiyi Huang, Fuguang Bao. A Novel Music Recommendation Method Combining Music Sub-Personality and Social Network Behavior Analysis[J]. Telecommunications science, 2015, 31(10): 115-123. DOI： 10.11959/j.issn.1000-0801.2015240.

摘要

为了可以实时推荐符合人们情感状态的音乐，提出了一种融入音乐子人格特质的社交网络行为分析的音乐推荐算法，该算法通过分析用户发表在微博等社交媒体上的状态，计算用户在该情感状态下对音乐的偏好程度；选择在该情感状态下音乐偏好相似的最近邻用户，最后融入音乐子人格特质进行偏好度计算，为用户推荐最适合其情感状态的音乐。实验结果表明，该算法可以缓解用户数据稀疏性对推荐结果的影响，能够提高推荐系统的推荐质量。

Abstract

In order to recommend music conforming to the people’s sentiment state in real time，a novel music recommendation method combining music sub-personality and social network behavior analysis was proposed.Through sentiment analysis of the users’ words and sentences which was released on Weibo and other social network，the method calculated the users’ music preference in a sentiment state，the most suitable music was recommend to users in that sentiment state.Experimental results show that the proposed method can alleviate the effect of user data sparsity on the recommendation results.

关键词

Keywords

references

Balabanovic M ， Shoham Y . Fab：content-based，collaborative recommendation . Communications of the ACM ， 1997 ， 40 （ 3 ）： 66 ～ 72

Schafer J B ， Dan F ， Herlocker J ， et al . Collaborative Filtering Recommender Systems.The Adaptive Web . Berlin Heidelberg：Springer ， 2007

Yildirim H ， Krishnamoorthy M S . A random walk method for alleviating the sparsity problem in collaborative filtering . Proceedings of the 2008 ACM Conference on Recommender Systems（RecSys 08）， Lausanne，Switzerland ， 2008 ： 131 ～ 138

Shan M K ， Kuo F F ， Chiang M F ， et al . Emotion-based music recommendation by affinity discovery from film music . Expert Systems with Applications ， 2007 ， 36 （ 4 ）： 7666 ～ 7674

Yoon K ， Lee J ， Kim M U . Music recommendation system using emotion triggering low-level features . IEEE Transactions on Consumer Electronics ， 2012 ， 58 （ 2 ）： 612 ～ 618

Han B J ， Rho S ， Jun S ， et al . Music emotion classification and context-based music recommendation . Multimedia Tools Appl ， 2010 （ 2 ）： 433 ～ 460

Yeh C C ， Tseng S S ， Tsai P C ， et al . Building a Personalized Music Emotion Prediction System . Advances in Multimedia Information Processing-PCM 2006.Berlin Heidelberg：Springer ， 2006

Larsen R J ， Buss D M . 人格心理学：人性的科学探索 . 郭永玉等译. 北京：人民邮电出版社， 2012

Larsen R J ， Buss D M . Person Psychology . Translatel by Guo Y Y ， et al . Beijing ： Posts ＆ Telecom Press ， 2012

邹光宇 . 晴天音乐子人格测评量表 . 中国音乐治疗学会第十届学术年会论文集，广州，中国， 2011

Zou G Y . Fineday measurement scale of music sub-personality . Proceedings of the 10th Annual Conference of Chinese Society of Music Therapy ， Guangzhou，China ， 2011

Chen H C ， Chen A L P . A music recommendation system based on music and user grouping . Journal of Intelligent Information Systems ， 2005 ， 24 （ 2 ～ 3 ）： 113 ～ 132

Winsor P . Automated Music Composition.Automated Music Composition . Denton ： University of North Texas Press ， 2000

刘楠 . 面向微博短文本的情感分析研究（博士学位论文） . 武汉：武汉大学， 2013

Liu N . Emotion analysis on short text for Weibo（doctor dissertation） . Wuhan：Wuhan University ， 2013

Meyer L B . Music and emotion：distinctions and uncertainties . Series in Affective Science ， 2001 ， 29 （ 3 ）： 23

邓爱林，朱扬勇，施伯乐 . 基于项目评分预测的协同过滤推荐算法 . 软件学报， 2003 ， 14 （ 9 ）： 1621 ～ 1628

Deng A L ， Zhu Y Y ， Shi B L . A collaborative filtering recommendation algorithm based on item rating prediction . Journal of Software ， 2003 ， 14 （ 9 ）： 1621 ～ 1628

Delsing M J M H ， Ter Bogt T F M . Engels R C M E ， et al . Adolescents’ music preferences and personality characteristics . European Journal of Personality ， 2008 ， 22 （ 2 ）： 109 ～ 130

胡勋，孟祥武，张玉洁等 . 一种融合项目特征和移动用户信任关系的推荐算法 . 软件学报， 2014 （ 8 ）： 1817 ～ 1830

Hu X ， Meng X W ， Zhang Y J ， et al . Recommendation algorithm combing item features and trust relationship of mobile users . Journal of Software ， 2014 （ 8 ）： 1817 ～ 1830

Adomavicius G ， Tuzhilin A . Toward the next generation of recommender systems：a survey of the state-of-the-art and possible extensions . IEEE Transactions on Knowledge ＆ Data Engineering ， 2005 ， 17 （ 6 ）： 734 ～ 749

浏览量

537

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于Transformer模型的社交网络影响力最大化算法

融入词汇共现的社交网络用户情感Biterm主题模型

融入用户合作与领导激励的社交网络知识传播模型

基于协同过滤与社交网络混合算法的客户信用建模及授信方法

SSDHT：基于社交网络的DHT安全增强机制