融入音乐子人格特质和社交网络行为分析的音乐推荐方法

doi:10.11959/j.issn.1000-0801.2015240

Abstract

Abstract:

In order to recommend music conforming to the people’s sentiment state in real time，a novel music recommendation method combining music sub-personality and social network behavior analysis was proposed.Through sentiment analysis of the users’ words and sentences which was released on Weibo and other social network，the method calculated the users’ music preference in a sentiment state，the most suitable music was recommend to users in that sentiment state.Experimental results show that the proposed method can alleviate the effect of user data sparsity on the recommendation results.

Key words: music recommendation, music sub-personality, social network, sentiment analysis, data sparsity

Chunhua Ju,Zhiyi Huang,Fuguang Bao. A Novel Music Recommendation Method Combining Music Sub-Personality and Social Network Behavior Analysis[J]. Telecommunications Science, 2015, 31(10): 115-123.

Figures/Tables 12

属性	描述
平均音高（PM）	主音轨中音高的平均值
音高标准差（PS）	主音轨中音高的标准差
音高差值平均值（IM）	主音轨中相邻音高差值的平均值
音高差值标准差（IS）	主音轨中相邻音高差值的标准差
音高熵（PE）	$P E = - \sum_{j = 1}^{N P} P_{j} l b P_{j}$ ，其中 $P_{j} = \frac{N_{j}}{T}$ ，N_j为主音轨中第j种音高的数量，T为主音轨中音高的总数量
音高密度（PD）	见式（2）
音符平均速度（LD）	主音轨中音符速度的平均值
音符速度标准差（LS）	主音轨中音符速度的标准差

References 17

1	Balabanovic M ， Shoham Y . Fab：content-based，collaborative recommendation. Communications of the ACM， 1997，40（3）： 66～72
2	Schafer J B ， Dan F ， Herlocker J ， et al. Collaborative Filtering Recommender Systems.The Adaptive Web. Berlin Heidelberg：Springer， 2007
3	Yildirim H ， Krishnamoorthy M S . A random walk method for alleviating the sparsity problem in collaborative filtering. Proceedings of the 2008 ACM Conference on Recommender Systems（RecSys 08）， Lausanne，Switzerland， 2008： 131～138
4	Shan M K ， Kuo F F ， Chiang M F ， et al. Emotion-based music recommendation by affinity discovery from film music. Expert Systems with Applications， 2007，36（4）： 7666～7674
5	Yoon K ， Lee J ， Kim M U . Music recommendation system using emotion triggering low-level features. IEEE Transactions on Consumer Electronics， 2012，58（2）： 612～618
6	Han B J ， Rho S ， Jun S ， et al. Music emotion classification and context-based music recommendation. Multimedia Tools Appl， 2010（2）： 433～460
7	Yeh C C ， Tseng S S ， Tsai P C ， et al. Building a Personalized Music Emotion Prediction System. Advances in Multimedia Information Processing-PCM 2006.Berlin Heidelberg：Springer， 2006
8	Larsen R J ， Buss D M . 人格心理学：人性的科学探索. 郭永玉等译. 北京：人民邮电出版社， 2012 Larsen R J ， Buss D M . Person Psychology. Translatel byGuo Y Y， et al. Beijing： Posts ＆ Telecom Press， 2012
9	邹光宇 . 晴天音乐子人格测评量表. 中国音乐治疗学会第十届学术年会论文集，广州，中国， 2011 Zou G Y . Fineday measurement scale of music sub-personality. Proceedings of the 10th Annual Conference of Chinese Society of Music Therapy， Guangzhou，China， 2011
10	Chen H C ， Chen A L P . A music recommendation system based on music and user grouping. Journal of Intelligent Information Systems， 2005，24（2～3）： 113～132
11	Winsor P . Automated Music Composition.Automated Music Composition. Denton： University of North Texas Press， 2000
12	刘楠 . 面向微博短文本的情感分析研究（博士学位论文）. 武汉：武汉大学， 2013 Liu N . Emotion analysis on short text for Weibo（doctor dissertation）. Wuhan：Wuhan University， 2013
13	Meyer L B . Music and emotion：distinctions and uncertainties. Series in Affective Science， 2001，29（3）： 23
14	邓爱林，朱扬勇，施伯乐 . 基于项目评分预测的协同过滤推荐算法. 软件学报， 2003，14（9）： 1621～1628 Deng A L ， Zhu Y Y ， Shi B L . A collaborative filtering recommendation algorithm based on item rating prediction. Journal of Software， 2003，14（9）： 1621～1628
15	Delsing M J M H ， Ter Bogt T F M . Engels R C M E ， et al. Adolescents’ music preferences and personality characteristics. European Journal of Personality， 2008，22（2）： 109～130
16	胡勋，孟祥武，张玉洁等. 一种融合项目特征和移动用户信任关系的推荐算法. 软件学报， 2014（8）： 1817～1830 Hu X ， Meng X W ， Zhang Y J ， et al. Recommendation algorithm combing item features and trust relationship of mobile users. Journal of Software， 2014（8）： 1817～1830
17	Adomavicius G ， Tuzhilin A . Toward the next generation of recommender systems：a survey of the state-of-the-art and possible extensions. IEEE Transactions on Knowledge ＆ Data Engineering， 2005，17（6）： 734～749

Metrics

Recommended 0

No Suggested Reading articles found!

符号	类别	特征
A	善感凄美	喜欢凄美音乐，抒情轻音乐，哀伤中得到宣泄和快慰
B	踌躇奔放	喜欢交响乐，振奋，赞美情绪，高敏感特质
C	动感飘忽	喜欢摇滚乐，害怕孤独，不能忍受寂寞
D	规整动摇	喜欢进行曲，情绪明快、矛盾、刻板而不稳定
E	简约漂流	喜欢流行音乐，旋律简单随意的情绪倾向
F	深邃慎独	喜欢古典音乐，情绪理性，而积极投射
G	经典尊贵	喜欢歌剧，情绪强烈而深度卷入，享受主旋律中的冲突情绪

情感类别	数量
乐（happy）	1 764
好（like）	8 823
怒（anger）	405
哀（sad）	2 169
惧（fear）	927
恶（disgust）	8 773
惊（surprise）	217

微博	分词结果
周末加班好无语	周末，加班，好，无语
但是看见萌萌哒的汉良兄	但是，看见，萌萌哒的，汉良，兄
心情一下子舒畅啦[可爱]	心情，一下子，舒畅，啦，[可爱]

音乐ID	音乐名称	开始时间	结束时间	音乐时长
5473235	千百度	2015年6月27日12：05：45	2015年6月27日12：08：45	3分46秒
5843346	行走的力量	2015年6月27日12：10：23	2015年6月27日12：11：17	5分34秒
8334767	最浪漫的事	2015年6月27日12：12：03	2015年6月27日12：15：48	3分45秒

[1]	Haiyong XU,Tao TAO,Yan HUANG,Cuiwei TANG,Zhaojing ZHANG,Jing WU. Data red envelope clients mining and communication model based on social network analysis [J]. Telecommunications Science, 2020, 36(8): 139-150.
[2]	Min LU,Guanglu CHEN,Xiaohui YANG,Chunlan HUANG,Guangxue YUE. Dynamic social network active influence maximization algorithm based on Coulomb force model [J]. Telecommunications Science, 2020, 36(6): 107-118.
[3]	Ke ZHANG,YueJia SUN,Hai HAN. Customer credit modeling and credit granting method based on hybrid algorithm of collaborative filtering and social network [J]. Telecommunications Science, 2020, 36(2): 52-60.
[4]	Qiuyang GU,Bao WU,Chunhua JU. Biterm topic model of social network users’ sentiment by integrating word co-occurrence [J]. Telecommunications Science, 2020, 36(11): 47-60.
[5]	Qiuyang GU,Chunhua JU,Gongxing WU. Knowledge communication model of social network with user cooperation and leadership encouragement [J]. Telecommunications Science, 2020, 36(10): 172-182.
[6]	Panpan LI,Zhengxia XIE,Guangxue YUE,Bolin MA,Li CHEN,Jianhua LIU. SSDHT:social network-based secure DHT mechanism [J]. Telecommunications Science, 2018, 34(11): 10-20.
[7]	Li WANG,Zhiyong FENG,Ping ZHANG. Wireless resource allocation for distributed caching system:motivation, challenge and solution [J]. Telecommunications Science, 2017, 33(3): 83-94.
[8]	Xin CAI,Jingsheng LOU. Sentiment analysis of telecom official micro-blog users based on LSTM deep learning model [J]. Telecommunications Science, 2017, 33(12): 136-141.
[9]	Jianxin Liao. Big Data Technology：Current Applications and Prospects [J]. Telecommunications Science, 2015, 31(7): 1-12.
[10]	Ruiqin Wang,Jun Pan,Yixiao Li. Research on Collaborative Recommendation Method Based on Multiple Data Sources of Social Network [J]. Telecommunications Science, 2015, 31(6): 68-74.
[11]	Fusheng Ji,Hongpei Zhang,Yan Zhang. Community Structure Perception Routing Mecbanism in Intermittently Connected Wireless Network [J]. Telecommunications Science, 2015, 31(4): 65-70.
[12]	Shigen Shen,Longjun Huang,Keli Hu,Hongjie Li,Risheng Han,Qiying Cao. Differential Game-Based Optimal Control Method for Preventing Malware Propagation in Online Social Network [J]. Telecommunications Science, 2015, 31(10): 66-73.
[13]	Jin Qi,Bin Xu,Xiaoxuan Hu,Bianjia Xu,Xinglin Xiao. Collaborative Recommendation for Online Social Networks Based on User Behavior Cognitive [J]. Telecommunications Science, 2015, 31(10): 108-114.
[14]	Chunhua Ju,Fuguang Bao,Chonghuan Xu. Researcb on Social Network Collaborative Filtering Based E-commerce Recommending [J]. Telecommunications Science, 2014, 30(9): 82-86.
[15]	Dameng Wu,Jiangbo Qian,Yefang Chen,Yihong Dong. Query Processing Algorithm Based on Neighbor Information in Delay Tolerant Network [J]. Telecommunications Science, 2014, 30(4): 100-108.

A Novel Music Recommendation Method Combining Music Sub-Personality and Social Network Behavior Analysis

RichHTML

PDF下载

Knowledge

Abstract

Cite this article

share this article

Figures/Tables 12

References 17

Related Articles 15

Metrics

Recommended 0