一种基于卷积神经网络的音乐推荐系统及推荐方法

摘要

本发明提供了一种基于卷积神经网络的音乐推荐系统及推荐方法，包括用于采集音乐用户历史行为数据，构建音乐用户偏好模型的音乐用户建模模块；用于获得回归模型的音乐特征建模模块；用于通过回归模型找到与音乐用户偏好相匹配的音乐对象，推荐给音乐用户的推荐算法模块。本发明把深度学习应用到推荐系统中，有效地弥补了歌曲特征与音频信号之间的语义差别，同时避免了协同过滤中的“冷启动”等问题，提高了推荐系统的准确率。采用卷积神经网络解决了训练效率低下与高时效性需求间的矛盾，并且将用户历史行为信息和音频的声学特征一起加入到模型中，使得推荐结果更符合用户的偏好需求，增强了用户对推荐系统的使用体验性。