1.一种基于用户隐式反馈行为的推荐方法,其特征在于,包括以下步骤:获取目标用户行为日志数据,并统计分析目标用户行为日志数据,得到目标用户-样本歌单-样本行为向量表;
获取参考用户行为日志数据,并统计分析参考用户行为日志数据,得到参考用户-参考歌单-参考行为向量表;
根据预设的积分规则,将参考用户-参考歌曲-参考行为向量表转化为参考用户-参考歌单-参考行为-参考评分向量表;
根据预设的积分规则,将目标用户-样本歌单-样本行为向量表转化为目标用户-样本歌单-样本行为-样本评分向量表;
根据参考用户-参考歌单-参考行为-参考评分向量表和目标用户-样本歌单-样本行为-样本评分向量表,逐一计算各参考用户与目标用户的相似度值,将前K个与目标用户的相似度值最高的参考用户合成相似用户集;
根据相似用户集和参考用户-参考歌单-参考行为-参考评分向量表,预测目标用户-参考歌单-拟评分向量表,并根据目标用户-参考歌单-拟评分向量表,生成推荐列表;
各参考用户的参考歌单与样本歌单的交集均为非空集合;
所述积分规则包括:
响应于任一参考用户对参考歌单的任一参考歌曲的任一参考行为,根据下式更新对应参考用户对应参考歌曲的参考评分:splay=λu*numplay*pplay
scollect=numcollect*pcollect
sadd=numadd*padd
scomment=numcomment*pcomment
Su=splay*wplay+scollect*wcolect+sadd*wadd+scomment*wcommet其中,λu为参考播放有效因子,splay为参考播放伪评分,numplay为参考播放次数,pplay为参考播放积分分值,scollect为参考收藏伪评分,numcollect为参考收藏次数,pcollect为参考收藏积分分值,sadd为加入参考歌单伪评分,numadd为加入参考歌单次数,padd为加入参考歌单积分分值,scomment为参考评论伪评分,numcomment为参考评论次数,pcomment为参考评论积分分值,Su为参考评分,wplay为参考播放权重因子,wcollect为参考收藏权重因子,wadd为加入参考歌单权重因子,wcommet为参考评论权重因子;
响应于目标用户对样本歌单的任一样本歌曲的任一样本行为,根据下式更新对应样本歌曲的样本评分:s`play=λ`u*num`play*p`play
s`collect=num`collect*p`collects`add=numadd*padd
S`comment=num`comment*p`commentSa=s`play*w`play+s`colect*w`collect+s`add*w`add+s`comment*w`commet其中,λ`u为样本播放有效因子,s`play为样本播放伪评分,num`play为样本播放次数,p`play为样本播放积分分值,s`collect为样本收藏伪评分,num`collect为样本收藏次数,p`collect为样本收藏积分分值,s`add为加入样本歌单伪评分,num`add为加入样本歌单次数,p`add为加入样本歌单积分分值,s`comment为样本评论伪评分,num`comment为样本评论次数,p`comment为样本评论积分分值,Sa为样本评分,w`play为样本播放权重因子,w`collect为样本收藏权重因子,w`add为加入样本歌单权重因子,w`commet为样本评论权重因子。
2.根据权利要求1所述的一种基于用户隐式反馈行为的推荐方法,其特征在于,所述积分规则包括:wplay+wcollect+wadd+wcommet=1
wcommet=max{wplay,wcollect,wadd,wcommet}pplay
3.根据权利要求1所述的一种基于用户隐式反馈行为的推荐方法,其特征在于,所述积分规则包括:w`play+w`collect+w`add+w`commet=1w`commet=max{w`play,w`collect,w`add,w`commet}p`play
4.根据权利要求1所述的一种基于用户隐式反馈行为的推荐方法,其特征在于,通过下式逐一计算各参考用户与目标用户的相似度值:其中,sim(a,b)为参考用户与目标用户的相似度值,a为目标用户,sa,i为目标用户对歌曲i的样本评分,Ia,b为参考歌单与样本歌单的交集,sb,i为参考用户对歌曲i的参考评分,U1为参考用户集;
将前K个与目标用户的相似度值最高的参考用户合成相似用户集。
5.根据权利要求1所述的一种基于用户隐式反馈行为的推荐方法,其特征在于,所述根据相似用户集和参考用户-参考歌单-参考行为-参考评分向量表,预测目标用户-参考歌单-拟评分向量表包括:通过下式逐一预测目标用户对各参考歌单中各参考歌曲的拟评分:
其中,sim(a,u′)为相似用户与目标用户的相似度值,l为参考歌单中的参考歌曲,Su′,l为相似用户对参考歌曲l的参考评分,Ca,l为目标用户对参考歌曲l的拟评分,U为相似用户集。
6.根据权利要求1所述的一种基于用户隐式反馈行为的推荐方法,其特征在于,所述根据目标用户-参考歌单-拟评分向量表,生成推荐列表包括:去除参考歌单中参考歌单与样本歌单的交集,获得推荐歌单;
根据目标用户对推荐歌单中推荐歌曲的拟评分,选取前N个拟评分最高的推荐歌曲生成推荐列表。
7.一种基于用户隐式反馈行为的推荐系统,其特征在于,包括:
目标数据模块,用于获取目标用户行为日志数据,并统计分析目标用户行为日志数据,得到目标用户-样本歌单-样本行为向量表;
参考数据模块,用于获取参考用户行为日志数据,并统计分析参考用户行为日志数据,得到参考用户-参考歌单-参考行为向量表;
参考积分模块,用于根据预设的积分规则,将参考用户-参考歌曲-参考行为向量表转化为参考用户-参考歌单-参考行为-参考评分向量表;
样本积分模块,用于根据预设的积分规则,将目标用户-样本歌单-样本行为向量表转化为目标用户-样本歌单-样本行为-样本评分向量表;
相似用户模块,用于根据参考用户-参考歌单-参考行为-参考评分向量表和目标用户-样本歌单-样本行为-样本评分向量表,逐一计算各参考用户与目标用户的相似度值,将前K个与目标用户的相似度值最高的参考用户合成相似用户集;
推荐模块,用于根据相似用户集和参考用户-参考歌单-参考行为-参考评分向量表,预测目标用户-参考歌单-拟评分向量表,并根据目标用户-参考歌单-拟评分向量表,生成推荐列表;
各参考用户的参考歌单与样本歌单的交集均为非空集合;
所述积分规则包括:
响应于任一参考用户对参考歌单的任一参考歌曲的任一参考行为,根据下式更新对应参考用户对应参考歌曲的参考评分:splay=λu*numplay*pplay
scollect=numcollect*pcollect
sadd=numadd*padd
scomment=numcomment*pcomment
Su=splay*wplay+scollect*wcollect+sadd*wadd+scomment*wcommet其中,λu为参考播放有效因子,splay为参考播放伪评分,numplay为参考播放次数,pplay为参考播放积分分值,scollect为参考收藏伪评分,numcollect为参考收藏次数,pcollect为参考收藏积分分值,sadd为加入参考歌单伪评分,numadd为加入参考歌单次数,padd为加入参考歌单积分分值,scomment为参考评论伪评分,numcomment为参考评论次数,pcomment为参考评论积分分值,Su为参考评分,wplay为参考播放权重因子,wcollect为参考收藏权重因子,wadd为加入参考歌单权重因子,wcommet为参考评论权重因子;
响应于目标用户对样本歌单的任一样本歌曲的任一样本行为,根据下式更新对应样本歌曲的样本评分:s`paly=λ`u*num`play*p`play
s`collect=num`collect*p`collects`add=num`add*p*add
s`comment=num`comment*p`commentSa=s`play*w`play+s`collect*w`collect+s`add*w`add+s`comment*w`commet其中,λ`u为样本播放有效因子,s`play为样本播放伪评分,num`play为样本播放次数,p`play为样本播放积分分值,s`collect为样本收藏伪评分,num`collect为样本收藏次数,p`collect为样本收藏积分分值,s`add为加入样本歌单伪评分,num`add为加入样本歌单次数,p`add为加入样本歌单积分分值,s`comment为样本评论伪评分,num`comment为样本评论次数,p`comment为样本评论积分分值,S为样本评分,w`play为样本播放权重因子,w`collect为样本收藏权重因子,w`add为加入样本歌单权重因子,w`comment为样本评论权重因子。