網易云音樂如何推薦音樂_第1頁
網易云音樂如何推薦音樂_第2頁
網易云音樂如何推薦音樂_第3頁
網易云音樂如何推薦音樂_第4頁
網易云音樂如何推薦音樂_第5頁
已閱讀5頁，還剩4頁未讀， 繼續免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、網易云音樂如何推薦音樂潛在因子（Latent Factor）算法 這種算法的思想是這樣：每個用戶（user）都有自己的偏好，比如A喜歡帶有小清新的、吉他伴奏的、王菲等元素（latent factor），如果一首歌（item）帶有這些元素，那么就將這首歌推薦給該用戶，也就是用元素去連接用戶和音樂。每個人對不同的元素偏好不同，而每首歌包含的元素也不一樣。我們希望能找到這樣兩個矩陣：1、用戶-潛在因子矩陣Q，表示不同的用戶對于不用元素的偏好程度，1代表很喜歡，0代表不喜歡。2、潛在因子-音樂矩陣P，表示每種音樂含有各種元素的成分每個用戶對每首歌都這樣計算可以得到不同用戶對不同歌曲的評分矩陣下面問題來

2、了，這個潛在因子（latent factor）是怎么得到的呢？由于面對海量的讓用戶自己給音樂分類并告訴我們自己的偏好系數顯然是不現實的，事實上我們能獲得的數據只有用戶行為數據。單曲循環=5, 分享=4, 收藏=3, 主動播放=2 , 聽完=1, 跳過=-2 , 拉黑=-5，在分析時能獲得的實際評分矩陣R，也就是輸入矩陣大概是這個樣子：事實上這是個非常非常稀疏的矩陣，因為大部分用戶只聽過全部音樂中很少一部分。如何利用這個矩陣去找潛在因子呢？這里主要應用到的是矩陣的UV分解。也就是將上面的評分矩陣分解為兩個低維度的矩陣，用Q和P兩個矩陣的乘積去估計實際的評分矩陣，而且我們希望估計的評分矩陣我們上面給出的那個例子可

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論