科创中国

电子信息技术

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。

现有技术主要基于用户听歌记录，考虑用户听歌序列来进行推荐，例如现有技术1(基于音乐标签和时间信息的音乐推荐方法及系统，公开号CN112800270A，公开日期***，南京邮电大学)和4(一种基于KNN和词嵌入的混合音乐推荐方法、系统及设备(公开号CN112860937A，公开日期***，陕西师范大学)都是通过考虑了用户听歌的记录以此识别用户的兴趣偏好，再经过分析歌曲之间的相似度来为用户进行Top-N推荐。 技术2(一种基于音乐多模态数据的用户长短期偏好推荐预测方法(公开号CN114254205A，公开日期***，广东工业大学)和3(一种基于多视角增强图注意神经网络的音乐推荐方法(公开号CN114969547A，公开日期***，杭州电子科技大学)都考虑了用户的长短期偏好，从用户的听歌记录中学习用户和音乐的表示，分析用户的听歌兴趣并进行推荐。此外，现有技术1-4均没有采用超图神经网络来学习用户和音乐的特征表示，并且以上工作中很少考虑用户以及音乐本身的丰富信息。

学院以完备教学资源和优秀师资队伍为依托，主要从事数据科学与大数据治理、网络空间建设与安全保障、云计算与分布式应用、智能翻译等领域方向的理论研究和应用项目研发，培养数智时代紧缺的应用型数字人才。