1.基于影视主题的对话式音乐推荐方法,其特征在于:包括以下步骤:步骤S1、推荐系统获取所有影视和影视内包含的音乐信息,构造影视‑音乐知识图谱;
步骤S2、推荐系统与用户产生人机对话交互,捕获用户当下的影视偏好信息,确定最终的影视偏好列表;
步骤S3、推荐系统整合影视偏好列表中的影视特征及所述影视所包含的音乐特征,作为物品特征表示;推荐系统编码用户当前对话交互信息与用户历史对话交互信息,作为用户特征表示;基于物品特征表示与用户特征表示预测用户当下的基于影视主题的音乐偏好;
步骤S4、推荐系统根据用户当下的音乐偏好给出可解释性的音乐推荐,并等待用户的反馈;
步骤S5、对话结束,推荐系统将此次与用户对话交互的所有信息保存至用户的配置文件中。
2.根据权利要求1所述的基于影视主题的对话式音乐推荐方法,其特征在于:所述步骤S2中人机对话交互包括闲聊模式和问答模式;
当闲聊模式中完全获得产生推荐所需的影视偏好信息时,直接进入步骤S3;
当闲聊模式中未完全获得产生推荐所需的影视偏好信息时,进入问答模式以对影视偏好信息进行补充,补充信息后再进入步骤S3。
3.根据权利要求2所述的基于影视主题的对话式音乐推荐方法,其特征在于:所述闲聊模式包括以下步骤:
步骤S21、用户进入推荐系统,系统等待5秒以接收来自用户的对话发起语句;若用户在
5秒内未主动开启对话,则系统对用户主动发起问候;
步骤S22、系统收到用户的回复或对话发起语句,筛选出语句中的关键词a;
步骤S23、在常识知识图谱ConceptNet上检索与关键词a最相似的话题a1,将话题a1在ConceptNet中的位置作为关键词a在ConceptNet中的位置,以话题a1在ConceptNet中的位置为中心,寻找与话题a1相连的话题集合B;
步骤S24、在豆瓣语料库中检索包含关键词a的语句,使用基于RNN的匹配模型计算相似度,选出与关键词a最相似的语句g,将关键词a,语句g以及用户的语句进行编码,输入GRU模型,生成系统回复语句;
步骤S25、再次收到用户的回复,记为用户当前回复;
步骤S26、将用户当前回复语句以及话题集合B进行编码,使用基于RNN的匹配模型计算相似度,选取与用户当前回复语句最相似的话题a2;
步骤S27、以话题a2在ConceptNet中的位置为圆心,半径为3的圆形所覆盖的图节点中,存在一个或多个影视剧,将这些影视剧作为用户当前对话中的影视偏好信息;
步骤S28、结束闲聊模式,检查是否完全获得产生推荐所需的影视偏好信息;若完全获得,则进入步骤S3;若未完全获得,则进入问答模式。
4.根据权利要求2或3所述的基于影视主题的对话式音乐推荐方法,其特征在于:所述问答模式中,推荐系统针对未获得的影视偏好信息向用户发出提问,提问包括是否观看过相似风格的影视、是否喜欢影视中的主演人物、是否喜欢影视的风格类型以及对该类影视的评价四类信息,将提问获得的信息补充到闲聊模式所获得的影视偏好信息中,进行编码确定最终的影视偏好列表。
5.根据权利要求2所述的基于影视主题的对话式音乐推荐方法,其特征在于:在影视偏好列表中删除闲聊模式和问答模式中用户明确表明不喜欢的影视风格或音乐风格对应的影视。
6.根据权利要求3所述的基于影视主题的对话式音乐推荐方法,其特征在于:所述步骤S23中,当以话题a1在ConceptNet中的位置为圆心,半径为3的圆形所覆盖的图节点中,存在一个或多个影视剧时,则跳往步骤S28;不存在影视剧时,则继续步骤S24。
7.根据权利要求4所述的基于影视主题的对话式音乐推荐方法,其特征在于:影视偏好信息在进行编码时采用分层注意力机制,编码分为影视风格、影视主演和影视评论三部分,根据用户是否观看过相似风格的影视、是否喜欢影视中的主演人物以及对该类影视的评价确定影视风格、影视主演和影视评论这三部分的权重;根据用户是否喜欢影视的风格类型确定整体的影视偏好信息编码权重。
8.根据权利要求1所述的基于影视主题的对话式音乐推荐方法,其特征在于:所述步骤S3具体包括以下步骤:
步骤S31、以深度优先的搜索方式,在影视‑音乐知识图谱中检索影视偏好列表中的影视特征信息,包括影视风格、影视主演和影视评论,将这三部分信息编码并拼接表示为影视特征
步骤S32、以深度优先的搜索方式,在影视‑音乐知识图谱中检索偏好影视所包含的音乐特征信息,包括音乐风格、音乐主唱和音乐评论,将这三部分编码并拼接表示为音乐特征步骤S33、将得到的影视特征和音乐特征的嵌入向量进行拼接送入MLP得到物品的特征表示:
步骤S34、获取用户当前所有对话内容,使用BERT对其进行编码得到用户特征嵌入向量步骤S35、获取用户历史所有对话内容,使用BERT对其进行编码得到用户特征嵌入向量步骤S36、将得到的当前对话内容和历史对话内容的嵌入向量进行拼接并送入MLP中得到用户的特征表示:
步骤S37、利用物品特征表示ei与用户特征表示vu,计算两者之间的相似度,选取相似度最大的物品特征表示,解析得到用户当前偏好的影视信息和其包含的一首音乐信息:
9.根据权利要求8所述的基于影视主题的对话式音乐推荐方法,其特征在于:所述步骤S4具体包括以下步骤:
步骤S41、获取相似度最大的物品特征信息,数据处理后得到其中的影视名和评论信息,其嵌入表示为q1;
步骤S42、获取相似度最大的物品特征信息,数据处理后得到其中的音乐名和评论信息,其嵌入表示为q2;
步骤S43、获取步骤S34中所得到的用户当前对话内容的编码信息步骤S44、将q1、q2和 输入到预训练模型GPT‑2中,模型产生一条可解释性的音乐推荐语句输送给用户。
10.根据权利要求1所述的基于影视主题的对话式音乐推荐方法,其特征在于:影视‑音乐知识图谱的构造包括从网络上爬取有关影视的信息,包括影视的评论信息、所属风格、主演人物、主题曲、插曲和片尾曲;爬取到影视所包含的歌曲后,继续爬取影视所包含的歌曲的评论信息、所属风格和演唱人物,由此根据关联信息,将爬取到的数据构建成影视‑音乐知识图谱。