个性化和情绪集成的注意力音乐推荐系统

嘿，记得给“机器学习与推荐算法”添加星标

---

论文：PEIA: Personality and Emotion Integrated Attentive Model for Music Recommendation on Social Media Platforms

地址：https://hcsi.cs.tsinghua.edu.cn/Paper/Paper20/AAAI20-SHENTIANCHENG.pdf

0.摘要

针对音乐推荐和社交媒体推荐设计的模型（PEIA），该模型利用用户长期行为（个性化）和短期行为（情绪）。它充分利用了面向个性的用户特征，面向情感的用户特征以及多面属性的音乐特征。提取用户表示时使用分层注意力机制。NDCG达到了0.5369。

1.问题

（1）由于社交媒体数据非常复杂，如何有效捕获有用信息以进行深入的用户建模？（2）由于问题涉及多方面的特征，如何对所有这些特征进行用户-音乐相关性建模，以及如何自适应地区分最重要的因素？

然后，作者深入研究了特征贡献，并探讨了用户特征与音乐偏好之间的相关性。进一步提出了一种人格和情感综合注意力模型（PEIA）来分别应对挑战。（1）除了简单的ID外，作者还通过提取个性化和情感化特征，涉及人口统计，文本和社会行为属性来全面分析每个用户。对于每个音乐曲目，还考虑其声学特征，元数据，歌词和情感。（2）我们采用深层次的框架来整合所有功能，并采用分层注意力来评估不同功能交互的重要性，以及用户长期口味（个性）和短期权重的权重偏好（情感）。

2.数据

采集2017.10到2018.4的171,254个用户和35,993首歌曲，共18,508,966次交互。（1）用户同一天听同一首歌多次只算一次。（2）每个用户至少10次记录。（3）每首歌至少有10个用户听过。

针对这些用户，还收集了相应的46,575,922条推文，120,322,771个社交互动，96,451,009条文章阅读记录等，以进行深入的用户建模。关于隐私问题，腾讯对数据进行匿名化和匿名化处理，无法找到特定的用户。

2.1用户个性特征：

使用提取的指标来获得面向个性的多维特征，以进行深度模型学习。

2.1.1受众特征

提取每个用户的性别，年龄和地理位置。由于在微信中实名认证是强制性的，因此此类人口统计特征相对可靠。

2.1.2文本特征

微信用户经常在Moments中发布推文，他们在此直接用附带的文本表达自己。使用结巴中文文本分割处理文本内容，并作为长期表示，使用Gensim提取100维Doc2Vec特征。

2.1.3社会行为特征

社交互动是微信中的一个核心问题，其中支持各种社交行为。提取联系人数量，推文数量和社交互动（例如评论和喜欢）的频率，以评估用户的社交参与度。由于隐私问题，未收集详细的社交关系和互动内容。还对发布的时间分布进行了研究，以反映日程安排。

2.1.4文章阅读特征

文章阅读行为是用户个人兴趣的重要指标，我们定义了23个主题（例如体育，互联网，美容和时尚），使用FastText训练文本分类器以计算文章主题，计算每个用户在23个主题维度中的阅读频率。

2.2情感用户特征

为了平衡情绪的及时性和数据的充分性，时间窗口设置为24小时。

2.2.1时间特征

分别以（早上，下午，晚上和午夜）和一周（工作日和周末）来对用户与音乐的交互进行统计。

2.2.2情绪向量

使用DUTIR中文情绪识别工具，针对用户推文的文本提取2维，7维和21维的向量拼接到一起组成30维用户情感向量。（2,7,21为DUTIR给定的维度），如果在对应时间窗口内没有推文（占17.8%）则使用整体情绪向量平均来填充。

2.3音乐特征

虽然每个音乐有其独特的id，但是这样表示太过模糊，因此用过分析声学特征，元数据，歌词和情感等全面分析某个曲目。

2.3.1 Metadata

该特征十分重要，对于每个音乐曲目，都会考虑其作者，流派，语言和发行年份。仅出现在一个曲目中的作者被合并为“其他”作者，并且最终涉及3721个独特的作者。

2.3.2 声学特征

在这项工作中，使用openSMILE，这是一种开源多媒体特征提取器，用于提取“ emobase”的988维声学特征集。具体来说，提取低级描述符（LLD，例如强度，响度，MFCC，音高），计算增量系数并应用几个函数（例如范围，均值，偏度，峰度）。

2.3.3 歌词特征

通过分析歌词来研究音乐曲目的语义信息。使用百度翻译器将所有歌词翻译成中文，使用jieba进行文本分割，并使用Gensim提取100维Doc2Vec特征。

2.3.4 情绪特征

使用与用户情绪特征相同的做法获取30维向量，对于缺失值训练线性回归模型获取缺失值向量。

3.模型

3.1 分层注意力特征提取

特征组包括P.E.M三个领域（个性特征，情绪特征，音乐特征）。每个领域特征包括ID类和Dense类特征:

先将其映射到d-维。

每个组之间的特征交叉使用hadamard积：

其中第一行是长期偏好，第二行是短期偏好。

注意力机制进行加权求和：

举个例子：

Pi = [a,b,c] Mk = [x,y,z]

Lik = [ax,by,cz]

对于L，S这两个矩阵，算注意力机制做weight sum。获得到长短期Latt和Satt的向量表示。再对Latt和Satt算weight sum得到Zatt

3.2 高阶交叉（深度模型）

将p`,e`,m`,拼接入DNN：

最终结果加上了LR输入，Zatt和DNN输出：

损失函数：交叉熵加L2正则。对于每个正样本，随机选取用户没听过的音乐作为负样本，训练时每个epoch正样本对应的负样本都不同。

4.实验结果

4.1对比实验

4.2分析特征重要性与注意力机制

4.3从统计角度和个人角度探讨用户特征与音乐偏好之间的相关性。

可以得出结论，与年轻人相比，老年人更喜欢高音调和有节奏的音轨，这些音轨的F0值较高且交叉率为零。性别差异在其他声学特征中没有预期的那么重要。

喜欢的话点个在看吧👇