基于特征值嵌入的音乐播放列表推荐模型

随着数字音乐的蓬勃发展,为用户提供自动生成的连续播放列表已成为大型音乐平台的重要服务方式之一。传统的基于马尔可夫链的音乐推荐模型在音乐空间向量嵌入的过程中忽略了很多有价值的信息,比如音乐的特征值、用户的偏好值等。考虑到用户在某一时间段或某一情景会话听同一种类型的音乐的可能性极大,故在马尔可夫链的音乐推荐模型的基础上考虑了音乐特征值对音乐嵌入位置的影响,提出了一种基于特征值嵌入的音乐播放列表推荐模型。该模型根据用户真实的历史播放列表进行训练,生成最符合用户当前会话场景的音乐播放列表。通过实验验证了基于特征值嵌入的音乐播放列表推荐模型相较于传统的基于马尔可夫链的音乐推荐模型所推荐的音乐具有更高的相似性,即更符合用户当前场景需要。