买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉湖南信息学院申请的专利一种融合深度音频语义与协同过滤的音乐推荐方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121743529B 。

龙图腾网通过国家知识产权局官网在2026-05-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202610245888.8，技术领域涉及：G06F16/635；该发明授权一种融合深度音频语义与协同过滤的音乐推荐方法及系统是由唐玲;秦悦;刘婷;方佳君;胡天叶;杜晓鹏;黎佳志;王志臣;龚芝;陈姣设计研发完成，并于2026-03-02向国家知识产权局提交的专利申请。

本一种融合深度音频语义与协同过滤的音乐推荐方法及系统在说明书摘要公布了：本发明涉及一种融合深度音频语义与协同过滤的音乐推荐方法及系统，方法包括：接收原始音频信号进行预处理；并输入预置深度神经网络模型，得到深度音频语义特征向量；采集所有用户的音乐交互行为数据，并构建用户‑歌曲交互矩阵；采用预置矩阵分解技术将用户‑歌曲交互矩阵分解为用户潜在因子矩阵和歌曲潜在因子矩阵；当在音乐推荐场景下时，根据深度音频语义特征向量计算基于内容的音乐推荐分数，并根据用户潜在因子矩阵和歌曲潜在因子矩阵计算协同过滤预测分数；融合计算音乐推荐分数和协同过滤预测分数得到融合推荐分数，根据融合推荐分数进行音乐推荐。通过将深度音频语义分析与协同过滤进行融合，提升音乐推荐的精准性和新颖性。

本发明授权一种融合深度音频语义与协同过滤的音乐推荐方法及系统在权利要求书中公布了：1.一种融合深度音频语义与协同过滤的音乐推荐方法，其特征在于，包括： 接收原始音频信号，对所述原始音频信号进行预处理； 将预处理后的所述原始音频信号输入预置深度神经网络模型，得到深度音频语义特征向量； 采集所有用户的音乐交互行为数据，并构建用户-歌曲交互矩阵； 采用预置矩阵分解技术将所述用户-歌曲交互矩阵分解为用户潜在因子矩阵和歌曲潜在因子矩阵； 当在音乐推荐场景下时，根据所述深度音频语义特征向量计算基于内容的音乐推荐分数，并根据所述用户潜在因子矩阵和所述歌曲潜在因子矩阵计算协同过滤预测分数；所述音乐推荐场景包括常规推荐场景、新歌曲冷启动场景及新用户冷启动场景；所述常规推荐场景下所有用户均为老用户，且所有歌曲均为老歌曲；所述新歌曲冷启动场景下目标歌曲为新歌曲，且所有用户均为老用户；所述新用户冷启动场景下目标用户为新用户，且所有歌曲均为老歌曲； 融合计算所述音乐推荐分数和所述协同过滤预测分数得到融合推荐分数，根据所述融合推荐分数进行音乐推荐； 当所述音乐推荐场景为所述新用户冷启动场景时； 根据所述用户潜在因子矩阵U，确定第一用户u1的用户潜在因子U[u1]及第二用户u2的用户潜在因子U[u2]； 计算所述第一用户u1与所述第二用户u2之间的相似度值sim_useru1,u2，所述相似度值sim_useru1,u2的表达式为： ； 获取单个用户u与所有用户的相似度值，依据所述相似度值从大到小的原则，选择K个邻居用户构建得到邻居用户网络Nu； 所述根据所述深度音频语义特征向量计算基于内容的音乐推荐分数，并根据所述用户潜在因子矩阵和所述歌曲潜在因子矩阵计算协同过滤预测分数，包括： 确定每首歌曲s的所述深度音频语义特征向量V_song[s] 获取新用户user_new的初始选择歌曲initial，通过所述预置深度神经网络模型得到所述初始选择歌曲initial的深度音频语义特征向量，计算所述初始选择歌曲initial的深度音频语义特征向量的平均值，得到所述新用户user_new的初始偏好画像V_user_initial[new] 根据所述深度音频语义特征向量V_song[s]和所述初始偏好画像V_user_initial[new]，计算得到所述新用户user_new对每首歌曲s的基于内容的初始音乐推荐分数Score_contents,user_new_initial，所述初始音乐推荐分数Score_contents,user_new的表达式为： Score_contents,user_new_initial=cosineV_song[s]，V_user_initial[new]； 按照所述初始音乐推荐分数Score_contents,user_new_initial从大到小的排序方式，选择前H首歌曲作为初始推荐歌曲； 获取所述新用户user_new对于所述初始推荐歌曲的初始音乐交互行为数据，根据所述初始音乐交互行为数据对所述初始偏好画像V_user_initial[new]进行更新，得到迭代偏好画像V_user_updated[new] 根据所述迭代偏好画像V_user_updated[new]与每首歌曲s的所述深度音频语义特征向量V_song[s]，计算得到所述新用户user_new与每首歌曲s的基于内容的迭代音乐推荐分数Score_contents,user_new_updated，所述迭代音乐推荐分数Score_contents,user_new_updated的表达式为： Score_contents，user_new_updated=cosineV_song[s]，V_user_updated[new]； 根据所述初始音乐交互行为数据从所述邻居用户网络Nu中选择G个与所述新用户user_new相似的邻居用户user_g； 根据所述邻居用户user_g的所述用户潜在因子矩阵U[user_g]和每首歌曲s的所述歌曲潜在因子矩阵Q[s]，计算得到所述邻居用户user_g对每首歌曲s的协同过滤预测分数Score_cfs，user_g，所述协同过滤预测分数Score_cfs，user_g的表达式为： Score_cfs，user_g=U[user_g]·Q[s]T+bias_u+bias_s； 其中，所述bias_u为预置用户偏置项，所述bias_s为预置歌曲偏置项； 所述融合计算所述音乐推荐分数和所述协同过滤预测分数得到融合推荐分数，根据所述融合推荐分数进行音乐推荐，包括： 将所述迭代音乐推荐分数Score_contents,user_new_updated和所述协同过滤预测分数Score_cfs，user_g进行融合计算，得到融合推荐分数Score_finals，user_new，所述融合推荐分数Score_finals，user_new的表达式为： Score_finals，user_new=γ×Score_contents，user_new_updated+δ×Score_cfs，user_g； 其中，所述γ和所述δ为动态权重系数，γ+δ=1，且所述δ的取值随着所述新用户user_new的音乐交互行为数据增加而变大。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人湖南信息学院，其通讯地址为：410100 湖南省长沙市星沙经济技术开发区毛塘工业园；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。