基于用户行为轨迹的在线音乐偏好模型

将音乐情感识别集成到音乐推荐系统中时存在用户感知情感与歌曲/歌词预期情感不一致的困难。为了解决这一难题,本文通过分析用户行为轨迹来构建用户音乐偏好。对用户播放行为中记录的歌曲使用LDA方法识别歌曲歌词,生成客观文本向量,基于对应的用户评论生成主观文本向量,再将两个向量融合为表达用户音乐偏好的综合文本向量,然后使用用户播放行为特征来处理时间和播放次数两个要素对用户偏好的衰减影响,并使用用户行为统计特征来平衡用户长期行为特征对用户当前偏好的影响,从而建立基于用户行为轨迹的用户在线音乐偏好模型。通过采集网易云音乐数据进行实证研究发现,本模型的推荐效果要高于单纯使用歌词文本向量的偏好算法。本研究为基于情感识别的在线音乐推荐提供了新的思路和方法。

我说和谐社会(续)

自习课没有了吵闹声,大家安静学习。看到废弃物就拾起,校园路面干干净净。同学走进教室时,随手关门。清晨,我们经过走廊时,伸手关掉开着的灯。在卫生间,同学看到了水龙头没关紧,赶快拧紧它。在教室吃饭,珍惜粮食,不浪费。