基于内容音乐推荐系统研究.PDFVIP

基于内容的音乐推荐系统研究 Content-Based Music Recommender Systems 孙学波 内容提要 1 课题的主要背景 2 国内外研究现状 3 基于内容的音乐推荐系统概述 4 音乐信号处理基础 5 课题的当前工作 6 问题与展望 1 课题的主要背景 • 随着网络技术的发展和应用的普及，人们寻找音乐和消费音乐的方式已经发生了根 本性的变化，人们可以在任何时间和任何地点收听和欣赏音乐。人们可以从网络音 乐系统在线欣赏或下载音乐。 • 为了提高音乐系统的服务质量，音乐系统不仅仅是帮助用户存储和传输它们喜欢的 音乐，而更需要根据用户的欣赏习惯和嗜好，向用户推荐用户没有欣赏过的他们更 喜欢的音乐。 • 好的音乐推荐系统应该能够帮助用户欣赏到他们可能更喜欢音乐，也应该能够帮助 音乐人发布它们制作的音乐。还应该能够帮助音乐系统的持有者实现他们的目标。 1 课题的主要背景 •传统音乐推荐系统的推荐方法都是基于分析用户欣赏习惯或协同 过滤算法等多种方式。显然，一个好的基于内容的音乐推荐系统 似乎应该是更好的音乐推荐系统。 • 其内容是用计算机分析和理解音乐。并以此为基础向用户推荐新 的可能用户更喜欢的音乐。从而进一步提高音乐推荐系统的质 量。 2 国内外研究现状 在基于内容的音乐推荐方面，相关的文献较少。 但应该说还是有数量相当可观的基础方面的研究，因为我们没有从事过这方面 的研究。因此，对这方面的内容知之甚少。 现有的基于内容的音乐推荐方法均集中在 “基于频谱分析的推荐方法”方面， 即将数字音乐的波形信号转换成用使用某种形式表示的频率信号。再以此为基 础定义音乐特征，进而进行音乐分类进行推荐。 这一基本的特点决定了这种系统的复杂度。 2 国内外研究现状 关于音乐推荐系统，我们在查阅到的文献中看到了下面三种方法。 • 傅里叶变换方法，包括傅里叶变换、快速傅里叶变换变换。 • 小波分析方法，可以解决傅里叶变换中频域信息中的时域信息丢失问 题。 • 分形方法，将分形维数定义成音乐的特征。 • 其它方法？ 3 基于内容的音乐推荐系统概述 • 系统目标： • 为用户推荐他们可能喜欢的音乐。 • 核心问题： 1. 音乐相似性度量问题 • 定义新的特征并提出一种新的特征提取框架或方法。 • 这可以使用两种方法：一种是基于某种层级特征的相似性估计，另一种方法是在估计相似度之前对语义标记空间进行 映射。最后，再将两种方法结合。 2. 音乐推荐系统的结构问题。 • 在更高的抽象层次上，音乐推荐系统可以被解释成一个推荐网络。 • 基于推荐网络的分析表明，一个向前的Top-N推荐方法可以显著影响音乐推荐系统的可用性。 3 基于内容的音乐推荐系统概述 推荐系统的主要特点： • 基本的推荐方法：是根据用户兴趣 I ，从可用的项目集I={ ui i ，…，i }中为特定用户预测一个项目子集 I 。 1 n ua • 音乐推荐的特定场景：活动项，即用户当前关注的特定项目，活动项通 常可以定义成当前用户正在收听的一个曲目。推荐项目的数量应远小于 项目的总数。 3 基于内容的音乐推荐系统概述 • 音乐推荐系统的推荐方法 • 基于元数据的方法 （Metadata-based Approaches） • 基于内容的方法 （Content-based Recommendation Approaches） • 混合方法 （Hybrid Recommendation Approaches） 3.1 基于元数据的方法 Metadata-based Approaches • 不使用直接从音频信号推导出来的音乐信息