申请/专利权人：陕西师范大学;黑龙江大学

申请日：2024-02-02

公开（公告）日：2024-04-16

公开（公告）号：CN117891969A

主分类号：G06F16/635

分类号：G06F16/635;G06N3/042

优先权：

专利状态码：在审-公开

法律状态：2024.04.16#公开

摘要：本发明公开一种基于超图神经网络的音乐推荐方法及系统，所述方法包括：获取音乐数据集，对数据集进行预处理，划分训练集和测试集，基于音乐数据集生成超图表示，最大池化层，计算图注意力相关系数，获得用户表示，处理用户特征以及音乐特征，通过乘积池获得最终的表示，即用于对每个某一音乐的喜爱概率值；按照概率值从大到小对音乐进行排序，最终向用户推荐Top‑N个用户喜欢的音乐。通过对用户和音乐进行建模，使我们能够利用图结构来更好的表示用户与音乐之间所有可能的、复杂的交互，同时保证了图的结构信息的丰富，还考虑了用户以及音乐本身的丰富信息，有利于挖掘用户潜在的听歌兴趣，帮助用户确定最适合的歌曲。

主权项：1.基于超图神经网络的音乐推荐方法，其特征在于，包括以下步骤：基于包含用户信息以及音乐信息的数据集生成由关联矩阵构成的超图结构表示G＝V,E,W，E是超边集合，表示一个用户所听过的所有音乐，V为顶点集合，顶点由课程表示，W为超边权重的对角矩阵；将每个用户视为超边中的音乐集合，首先将超边内相应音乐的特征转换为固定大小的特征向量，然后通过最大池化层将所述特征向量进行信息聚合，得到所有用户的初始嵌入表示；基于所有用户的初始嵌入表示，通过双层多头图注意力网络计算图注意力相关系数并最终获得用户表示；将初始的用户特征以及音乐特征输入至嵌入层中，分别获得d维嵌入特征向量；然后将所述d维嵌入特征向量作为双层注意力网络的输入，通过双层注意力网络分别计算各个用户特征以及音乐特征的注意力权重，得到最后的用户和音乐的特征表示；将最后的用户和音乐的特征表示以及所述用户表示通过乘积池处理，得到用户对每个音乐的喜爱概率值；按照概率值从大到小对音乐进行排序，最终向用户推荐前Top-N个用户喜欢的音乐。

全文数据：

权利要求：

百度查询： 陕西师范大学;黑龙江大学 基于超图神经网络的音乐推荐方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD