【FCS 人工智能专栏】综合精通程度与喜爱程度的在线KTV歌曲推荐

点击上方蓝字

关注我们

导

读

      目前，在线KTV平台越来越多，极大地提高了唱歌的便捷性和用户体验。与此同时，这些平台也会根据用户的行为来对他们的唱歌精通程度进行评估。如果能够为用户推荐合适的歌曲，将显著提高在线K歌平台的活跃度和用户的忠诚度。然而，K歌平台的歌曲推荐与其他内容推荐（如听歌推荐、新闻推荐等）相比存在一些自身特有的属性：第一，用户喜欢唱的歌曲不一定能得高分，能得高分的歌曲不一定喜欢，如何平衡用户的喜爱程度和精通程度是需要着重解决的问题；第二，相比于其他的内容推荐，唱歌的行为数据更为稀疏，这给K歌推荐带来了较大的挑战。为了应对这两个挑战，本文通过着重考虑唱歌行为数据的特性提出了一个多信息融合的歌曲推荐方案。具体而言，首先通过结合用户的唱歌行为和系统评分构建一个伪评分矩阵，有效地平衡了用户的精通程度和喜爱程度。随后，将用户（基于有监督随机游走模型）和歌曲较为丰富的自身信息有机地融合到矩阵分解框架中，对伪评分矩阵进行学习，较好地解决了数据的稀疏性问题。最后，在真实数据集上进行评估并验证，实验结果表明了本文所设计模型的有效性和准确性。

文章精要

请长按下方二维码识别，阅读该文。

相关内容推荐：

针对近似最近邻搜索的优化高阶乘积量化 2020 14(2)：259-272 

基于贝叶斯双神经网络的推荐算法 2019 13(6)：1255-1265

基于分布式表示学习的社区搜索算法

随机局部搜索求解最大可满足性问题的经验研究 2019 13(1)：86-98

基于情感信息和神经网络模型的立场分析 2019 13(1)：127-138 

基于鲁棒特征学习和无需大规模预训练的在线判别式跟踪算法 2018 12(6)：1160-1172

基于BP神经网络和主成分分析的岩体滤波算法 2018 12(6)：1149-1159

卷积自适应降噪自动编码器 2018 12(6)：1140-1148

---

Frontiers of Computer Science

---

Frontiers of Computer Science （FCS）是由教育部主管、高等教育出版社和北京航空航天大学共同主办、SpringerNature 公司海外发行的英文学术期刊。本刊于 2007 年创刊，双月刊，全球发行。主要刊登计算机科学领域具有创新性的综述论文、研究论文等。本刊主编为周志华教授，共同主编为熊璋教授。编委会及青年 AE 团队由国内外知名学者及优秀青年学者组成。本刊被 SCI、Ei、DBLP、INSPEC、SCOPUS 和中国科学引文数据库（CSCD）核心库等收录，为 CCF 推荐期刊；两次入选“中国科技期刊国际影响力提升计划”；入选“第4届中国国际化精品科技期刊”。

---

长按二维码关注Frontiers of Computer Science公众号