典型文献
基于用户行为轨迹的在线音乐偏好模型
文献摘要：
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.
文献关键词：
用户偏好;音乐情感识别;行为轨迹;音乐推荐系统
中图分类号：
作者姓名：
刘义理;朱茂然;胡莼
作者机构：
同济大学经济与管理学院,上海200092
文献出处：
引用格式：
[1]刘义理;朱茂然;胡莼-.基于用户行为轨迹的在线音乐偏好模型)[J].复旦学报（自然科学版）,2022(03):342-352
A类：
音乐推荐系统
B类：
用户行为,行为轨迹,在线音乐,音乐偏好,音乐情感识别,别集,中时,用户感知,播放,放行,LDA,方法识别,歌曲歌词,文本向量,用户评论,向量融合,用用,行为特征,处理时间,用户偏好,减影,统计特征,户长,网易云音乐,推荐效果,思路和方法
AB值：
0.275549
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
