大數據環(huán)境下基于用戶位置的個性化音樂推薦系統(tǒng)設計

朱志慧 田婧 林捷

摘 要：文章根據國內外個性化音樂推薦的現狀，結合大數據環(huán)境下用戶的需求，在總結分析常用音樂推薦算法的基礎上，進行了基于移動用戶位置的個性化音樂推薦方案設計。

關鍵詞：移動位置；個性化音樂；推薦；方案設計

隨著信息技術和互聯(lián)網的飛速發(fā)展，人們進入了一個信息過載（Information Ovlerload）時代。在海量的信息中，人們想找到自己所關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熱點。目前，應用比較廣泛的技術為信息檢索，例如谷歌、百度、360搜索等搜索引擎，將信息進行分類，當用戶對自己的需求或者關注的對象有明確的場景時，用合適的關鍵字進行搜索，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鍵字。針對以上問題，當用戶對自己的需求比較模糊時，推薦系統(tǒng)可以根據歷史信息結合其他相關信息，挖掘用戶的個性需求，推薦對用戶比較有價值的事物。目前，典型的應用案例是淘寶、京東、當當、阿里巴巴、亞馬遜等電子商務領域，以及大眾點評、餓了么、美團等生活服務[1]。

1 國內外研究現狀

隨著計算機技術的發(fā)展，傳統(tǒng)的音樂以數字格式存儲，通過網絡進行傳播，音樂相關的APP、電腦上的音樂網站、便攜式音樂播放器等設備上的音樂數據隨處可見，并持續(xù)增長。利用信息推薦系統(tǒng)，借助音樂個性化推薦幫助用戶在海量的音樂數據中快速挑選出符合用戶需求的音樂曲目，成為國內外學者的密切關注熱點，并產生了許多研究成果。如國外的著名網站Pandora和Last.fm，國內的網易云音樂、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)的關鍵技術，所以推薦結果的準確率和覆蓋率相對比較低，缺乏個性化，很多時候不能達到用戶的要求[2]。

2 音樂推薦系統(tǒng)

2.1 推薦系統(tǒng)的分類

推薦系統(tǒng)以數據為依據進行分類。當數據的來源為描述用戶和物品時，則為基于內容的推薦系統(tǒng)，如果數據是用戶的歷史信息，即在互聯(lián)網中產生的交互數據，則稱為基于協(xié)同過濾的推薦系統(tǒng)。交互數據又可以被細分為顯示的反饋數據和隱式反饋數據，顯示的反饋數據一般通過用戶對物品的直接表達，例如評分；而隱式的反饋數據是通過用戶的操作進行推測，例如操作次數、停留時間等。

音樂領域的推薦方法有基于內容的推薦、基于協(xié)同過濾的推薦以及基于混合的推薦3種。另外，根據用戶的不同，又分為群體音樂推薦系統(tǒng)和個人音樂推薦系統(tǒng)。群體音樂推薦系統(tǒng)主要應用在大型舞會、酒吧、廣場等公共環(huán)境，通過利用設置傳感器，捕捉用戶的動作信息，例如身體的搖晃的節(jié)奏，來控制音樂的變換，現在已有一些基于語境的群體實時服務系統(tǒng)。個人推薦系統(tǒng)主要為基于內容的推薦系統(tǒng)、基于協(xié)同過濾的推進系統(tǒng)，以及基于情景的推薦系統(tǒng)，目前浙江大學研究音樂情感的研究團隊，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，國內的音樂推薦系統(tǒng)還不成熟，特別是支持實時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 常用個性化音樂推薦算法

常用的個性化音樂推薦算法主要包括以下3種。

2.2.1 基于內容的推薦算法

基于內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，再利用該特征計算與其他音頻的相似度。根據用戶的聽歌時間、點擊次數、收藏以及下載等行為，分析曲目特征信息，對音樂數據庫進行遍歷搜索，根據兩者相似程度，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。前者是計算與目標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前用戶；后者通過用戶對某一物品的歷史操作信息，推測會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據當中，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，根據權重選擇效果較好的作為最終推薦的結果。隨著網絡技術的發(fā)展和用戶的個性化需求，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種算法數據源、優(yōu)缺點和所應用實例進行分析和總結，如表1所示。

3 基于用戶位置的個性化音樂推薦系統(tǒng)設計

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，隨著基于位置的網絡（Location-Based Social Network，LBSN）發(fā)展，產生大量位置相關數據，能為用戶推薦基于位置的項目和服務，如旅游路線、餐館、旅館、熱點景觀的推薦等。本文提出的方案為根據用戶所處的位置信息，結合該位置的環(huán)境情景推薦個性化的音樂曲目。

3.1 方案設計

將移動位置以及處于該情景中用戶的心情作為個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計目標。基于移動位置的音樂推薦技術，將位置信息與音樂的推薦算法相結合，能夠根據用戶所處環(huán)境以及心情的不同，推薦最適宜的音樂。根據個性音樂推薦常用算法以及各種的要點、使用范圍和優(yōu)缺點，在用戶的移動位置信息中，提取體現用戶興趣點的因素作為推薦算法的因子，進行基于移動位置的個性音樂推薦方案設計，包括所使用的算法、設計的流程以及存在的不足之處[4]。

根據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環(huán)境的分析。利用無線通信網絡設備，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比較成熟，主要難點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動的狀態(tài)下。大量的音樂推薦請求來自于移動終端，人在聽音樂時的心理狀態(tài)強烈地受到周圍環(huán)境的影響，在音樂推薦的過程中應該考慮到用戶的環(huán)境因素。根據移動用戶通過移動終端獲取用戶的當前位置和時間信息，抽象出用戶所處環(huán)境的信息，根據環(huán)境信息進行音樂的推薦[5]。

4 結語

基于移動位置的個性化推薦方案重點為在用戶的移動位置信息當中，與個性化音樂推薦相關因素的提取和整個方案的設計流程。在方案設計中，如果人的位置信息不斷變化時，位置信息更新太快，會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聯(lián)是否科學也是下一步要研究的內容。

[參考文獻]

[1]劉金各，劉紅麗.基于內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.基于內容的音樂檢索綜述[J].金陵科技學院學報，2007（2）：25-29.

[3]金蕾.個性化音樂推薦算法的研究與實現[D].濟南：山東大學，2017.

[4]王小歡.基于情景感知的網絡音樂個性推薦研究[M].北京：北京交通大學，2017.

[5]李卓遠，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)控制計算機，2018（7）：56-57.