大數(shù)據(jù)環(huán)境下基于用戶位置的個(gè)性化音樂推薦系統(tǒng)設(shè)計(jì)

朱志慧 田婧 林捷

摘 要：文章根據(jù)國內(nèi)外個(gè)性化音樂推薦的現(xiàn)狀，結(jié)合大數(shù)據(jù)環(huán)境下用戶的需求，在總結(jié)分析常用音樂推薦算法的基礎(chǔ)上，進(jìn)行了基于移動(dòng)用戶位置的個(gè)性化音樂推薦方案設(shè)計(jì)。

關(guān)鍵詞：移動(dòng)位置；個(gè)性化音樂；推薦；方案設(shè)計(jì)

隨著信息技術(shù)和互聯(lián)網(wǎng)的飛速發(fā)展，人們進(jìn)入了一個(gè)信息過載（Information Ovlerload）時(shí)代。在海量的信息中，人們想找到自己所關(guān)注的對象是一件比較困難的事情，由此，如何快速獲取有效信息逐步成為人們研究的一個(gè)熱點(diǎn)。目前，應(yīng)用比較廣泛的技術(shù)為信息檢索，例如谷歌、百度、360搜索等搜索引擎，將信息進(jìn)行分類，當(dāng)用戶對自己的需求或者關(guān)注的對象有明確的場景時(shí)，用合適的關(guān)鍵字進(jìn)行搜索，該方法的主要局限是信息分類的目錄覆蓋范圍比較少，并且用戶對搜索對象要具備一定的了解，能夠用合適的語言來描述關(guān)鍵字。針對以上問題，當(dāng)用戶對自己的需求比較模糊時(shí)，推薦系統(tǒng)可以根據(jù)歷史信息結(jié)合其他相關(guān)信息，挖掘用戶的個(gè)性需求，推薦對用戶比較有價(jià)值的事物。目前，典型的應(yīng)用案例是淘寶、京東、當(dāng)當(dāng)、阿里巴巴、亞馬遜等電子商務(wù)領(lǐng)域，以及大眾點(diǎn)評、餓了么、美團(tuán)等生活服務(wù)[1]。

1 國內(nèi)外研究現(xiàn)狀

隨著計(jì)算機(jī)技術(shù)的發(fā)展，傳統(tǒng)的音樂以數(shù)字格式存儲，通過網(wǎng)絡(luò)進(jìn)行傳播，音樂相關(guān)的APP、電腦上的音樂網(wǎng)站、便攜式音樂播放器等設(shè)備上的音樂數(shù)據(jù)隨處可見，并持續(xù)增長。利用信息推薦系統(tǒng)，借助音樂個(gè)性化推薦幫助用戶在海量的音樂數(shù)據(jù)中快速挑選出符合用戶需求的音樂曲目，成為國內(nèi)外學(xué)者的密切關(guān)注熱點(diǎn)，并產(chǎn)生了許多研究成果。如國外的著名網(wǎng)站Pandora和Last.fm，國內(nèi)的網(wǎng)易云音樂、酷狗音樂、QQ音樂等，音樂不用于文本或圖片信息，它除了考慮用戶的需求外，音樂音頻特征識別、音樂情感的提取以及語音的處理等都是推薦系統(tǒng)的關(guān)鍵技術(shù)，所以推薦結(jié)果的準(zhǔn)確率和覆蓋率相對比較低，缺乏個(gè)性化，很多時(shí)候不能達(dá)到用戶的要求[2]。

2 音樂推薦系統(tǒng)

2.1 推薦系統(tǒng)的分類

推薦系統(tǒng)以數(shù)據(jù)為依據(jù)進(jìn)行分類。當(dāng)數(shù)據(jù)的來源為描述用戶和物品時(shí)，則為基于內(nèi)容的推薦系統(tǒng)，如果數(shù)據(jù)是用戶的歷史信息，即在互聯(lián)網(wǎng)中產(chǎn)生的交互數(shù)據(jù)，則稱為基于協(xié)同過濾的推薦系統(tǒng)。交互數(shù)據(jù)又可以被細(xì)分為顯示的反饋數(shù)據(jù)和隱式反饋數(shù)據(jù)，顯示的反饋數(shù)據(jù)一般通過用戶對物品的直接表達(dá)，例如評分；而隱式的反饋數(shù)據(jù)是通過用戶的操作進(jìn)行推測，例如操作次數(shù)、停留時(shí)間等。

音樂領(lǐng)域的推薦方法有基于內(nèi)容的推薦、基于協(xié)同過濾的推薦以及基于混合的推薦3種。另外，根據(jù)用戶的不同，又分為群體音樂推薦系統(tǒng)和個(gè)人音樂推薦系統(tǒng)。群體音樂推薦系統(tǒng)主要應(yīng)用在大型舞會(huì)、酒吧、廣場等公共環(huán)境，通過利用設(shè)置傳感器，捕捉用戶的動(dòng)作信息，例如身體的搖晃的節(jié)奏，來控制音樂的變換，現(xiàn)在已有一些基于語境的群體實(shí)時(shí)服務(wù)系統(tǒng)。個(gè)人推薦系統(tǒng)主要為基于內(nèi)容的推薦系統(tǒng)、基于協(xié)同過濾的推進(jìn)系統(tǒng)，以及基于情景的推薦系統(tǒng)，目前浙江大學(xué)研究音樂情感的研究團(tuán)隊(duì)，正在開發(fā)一款在跑步的情景下，為用戶推薦合適的音樂曲目。目前，國內(nèi)的音樂推薦系統(tǒng)還不成熟，特別是支持實(shí)時(shí)群體音樂推薦和高度用戶交互性的系統(tǒng)還比較缺乏[3]。

2.2 常用個(gè)性化音樂推薦算法

常用的個(gè)性化音樂推薦算法主要包括以下3種。

2.2.1 基于內(nèi)容的推薦算法

基于內(nèi)容的推薦算法核心思想為用音頻的特征來描述一段音頻信息，再利用該特征計(jì)算與其他音頻的相似度。根據(jù)用戶的聽歌時(shí)間、點(diǎn)擊次數(shù)、收藏以及下載等行為，分析曲目特征信息，對音樂數(shù)據(jù)庫進(jìn)行遍歷搜索，根據(jù)兩者相似程度，推薦曲目給用戶。

2.2.2 基于協(xié)同過濾推薦算法

基于協(xié)同過濾的推薦算法分為基于用戶的協(xié)同過濾和基于物品的協(xié)同過濾兩種。前者是計(jì)算與目標(biāo)用戶有相近偏好的鄰居，似度最大的若干用戶喜歡的曲目推薦給當(dāng)前用戶；后者通過用戶對某一物品的歷史操作信息，推測會(huì)對相似的物品感興趣，將物品相似度較高的推薦給用戶。

2.2.3 混合推薦算法

單一的推薦算法無法在海量的數(shù)據(jù)當(dāng)中，較為精確地推薦出滿足用戶需求的曲目，多為幾種推薦算法的混合。一般情況下，可以將基于協(xié)同過濾的推薦和其他推薦算法混合，根據(jù)權(quán)重選擇效果較好的作為最終推薦的結(jié)果。隨著網(wǎng)絡(luò)技術(shù)的發(fā)展和用戶的個(gè)性化需求，也可以將推薦算法與其他因素相融合，例如用戶位置、情景信息等。

對3種算法數(shù)據(jù)源、優(yōu)缺點(diǎn)和所應(yīng)用實(shí)例進(jìn)行分析和總結(jié)，如表1所示。

3 基于用戶位置的個(gè)性化音樂推薦系統(tǒng)設(shè)計(jì)

目前的音樂推薦算法，主要集中于音樂本身的音頻特征和用戶對音樂的興趣，對用戶所處的位置以及在該位置處的情景考慮欠缺。目前，隨著基于位置的網(wǎng)絡(luò)（Location-Based Social Network，LBSN）發(fā)展，產(chǎn)生大量位置相關(guān)數(shù)據(jù)，能為用戶推薦基于位置的項(xiàng)目和服務(wù)，如旅游路線、餐館、旅館、熱點(diǎn)景觀的推薦等。本文提出的方案為根據(jù)用戶所處的位置信息，結(jié)合該位置的環(huán)境情景推薦個(gè)性化的音樂曲目。

3.1 方案設(shè)計(jì)

將移動(dòng)位置以及處于該情景中用戶的心情作為個(gè)性音樂推薦的考慮因素，為用戶推薦更合適的音樂曲目是本方案的設(shè)計(jì)目標(biāo)。基于移動(dòng)位置的音樂推薦技術(shù)，將位置信息與音樂的推薦算法相結(jié)合，能夠根據(jù)用戶所處環(huán)境以及心情的不同，推薦最適宜的音樂。根據(jù)個(gè)性音樂推薦常用算法以及各種的要點(diǎn)、使用范圍和優(yōu)缺點(diǎn)，在用戶的移動(dòng)位置信息中，提取體現(xiàn)用戶興趣點(diǎn)的因素作為推薦算法的因子，進(jìn)行基于移動(dòng)位置的個(gè)性音樂推薦方案設(shè)計(jì)，包括所使用的算法、設(shè)計(jì)的流程以及存在的不足之處[4]。

根據(jù)用戶所處的地理位置提取所提供的環(huán)境信息融合基于物品的協(xié)同過濾推薦算法向用戶推薦音樂曲目，具體流程如下：

（1）用戶行為特征的建立。用戶行為特征包括用戶性別、年齡、職業(yè)、地理位置等靜態(tài)特征和在聽歌過程中的下載、收藏、循環(huán)播放、跳過、歷史操作信息等動(dòng)態(tài)特征，通過用戶的這些特征，推測用戶偏愛的作品，將相似度較高的作品作為待推薦集合。

（2）用戶位置信息跟蹤和相關(guān)環(huán)境的分析。利用無線通信網(wǎng)絡(luò)設(shè)備，搜集用戶的位置信息，并且分析在該位置用戶的情緒，將位置信息、用戶情感都作為推薦系統(tǒng)所考慮的因素。

（3）結(jié)合基于物品的協(xié)同過濾推薦算法、位置信息、用戶情感，將個(gè)性化音樂推薦給用戶。

3.2 基于位置信息因素的提取

在該方案中，音樂的推薦算法已經(jīng)比較成熟，主要難點(diǎn)為如何將位置信息融合到推薦算法中去。用戶很多情況下都是處在戶外或是處在運(yùn)動(dòng)的狀態(tài)下。大量的音樂推薦請求來自于移動(dòng)終端，人在聽音樂時(shí)的心理狀態(tài)強(qiáng)烈地受到周圍環(huán)境的影響，在音樂推薦的過程中應(yīng)該考慮到用戶的環(huán)境因素。根據(jù)移動(dòng)用戶通過移動(dòng)終端獲取用戶的當(dāng)前位置和時(shí)間信息，抽象出用戶所處環(huán)境的信息，根據(jù)環(huán)境信息進(jìn)行音樂的推薦[5]。

4 結(jié)語

基于移動(dòng)位置的個(gè)性化推薦方案重點(diǎn)為在用戶的移動(dòng)位置信息當(dāng)中，與個(gè)性化音樂推薦相關(guān)因素的提取和整個(gè)方案的設(shè)計(jì)流程。在方案設(shè)計(jì)中，如果人的位置信息不斷變化時(shí)，位置信息更新太快，會(huì)造成音樂推薦的不穩(wěn)定性；另外，通過用戶的位置信息僅僅能夠了解到用戶所處的環(huán)境，但環(huán)境和用戶心理建立關(guān)聯(lián)是否科學(xué)也是下一步要研究的內(nèi)容。

[參考文獻(xiàn)]

[1]劉金各，劉紅麗.基于內(nèi)容的音樂檢索方法比較研究[J].山西科技，2012（4）：117-118.

[2]張燕，唐振民，李燕萍，等.基于內(nèi)容的音樂檢索綜述[J].金陵科技學(xué)院學(xué)報(bào)，2007（2）：25-29.

[3]金蕾.個(gè)性化音樂推薦算法的研究與實(shí)現(xiàn)[D].濟(jì)南：山東大學(xué)，2017.

[4]王小歡.基于情景感知的網(wǎng)絡(luò)音樂個(gè)性推薦研究[M].北京：北京交通大學(xué)，2017.

[5]李卓遠(yuǎn)，曾丹，張之江.基于協(xié)同過濾和音樂情緒的音樂推薦系統(tǒng)研究[J].工業(yè)控制計(jì)算機(jī)，2018（7）：56-57.