本发明涉及计算机
技术领域：
，具体涉及基于权重分析的推荐方法。
背景技术：
：在互联网时代，各类音乐网站极大的方便了人们对于音乐的需求。然而，大型的音乐门户网站能够保存上千万首歌曲，在面对如此海量的音乐信息时，人们往往难以从中找到符合自己口味的歌曲。传统的搜索引擎只适合应用在用户有明确的目标并且能够用关键词准确的表达出来的信息检索问题。所以现有的音乐推荐技术中，无法针对用户的音乐喜好进行有效的音乐推荐。技术实现要素：本发明所要解决的技术问题是现有的音乐推荐技术中，无法针对用户的音乐喜好进行有效的音乐推荐，目的在于提供基于权重分析的推荐方法，解决上述问题。本发明通过下述技术方案实现：基于权重分析的推荐方法，包括以下步骤：s1：建立用户因子矩阵q；建立音乐因子矩阵p；所述用户因子矩阵的行为用户，所述用户因子矩阵的列为偏好类型；所述音乐因子矩阵的行为音乐，所述音乐因子矩阵的列为音乐类型；所述偏好类型的种类和数量与音乐类型的种类和数量相同；s2：将音乐对每个音乐类型提取权值并赋值予音乐因子矩阵p中对应的元素；s3：将用户对每个偏好类型提取权值并赋值予用户因子矩阵q中对应的元素；s4：建立用户偏好矩阵m；所述m＝q×pt；s5：根据用户偏好矩阵m向用户推荐音乐。现有技术中，无法针对用户的音乐喜好进行有效的音乐推荐。本发明应用时，先建立用户因子矩阵q；建立音乐因子矩阵p，通过量化的方式将音乐和用户的口味量化为矩阵并方便运算，然后将音乐对每个音乐类型提取权值并赋值予音乐因子矩阵p中对应的元素，这里所说的音乐类型可以是音乐风格，也可以是歌手姓名和语言种类，而偏好类型和音乐类型是相同的，种类和数量均相同保证了后期进行矩阵运算时可以更加有效的进行运算；再然后将用户对每个偏好类型提取权值并赋值予用户因子矩阵q中对应的元素，为了避免简单比较带来的推荐结果不精准的问题，发明人创造性的选用了矩阵乘法的方式建立用户偏好矩阵m，m＝q×pt，再根据用户偏好矩阵m向用户推荐音乐，从而通过上述步骤，实现了针对用户的音乐喜好进行有效的音乐推荐。进一步的，步骤s5包括以下子步骤：当m中的元素的值大于阈值时，将该元素对应的音乐因子矩阵p的列所表示的音乐推荐给用户。本发明应用时，m中的元素的值大于阈值时，即可以认为该音乐的可以满足用户的需求，即将该元素对应的音乐因子矩阵p的列所表示的音乐推荐给用户。进一步的，步骤s3包括以下子步骤：收集用户所偏好的音乐，并根据用户所偏好的音乐对应的音乐因子矩阵p中的权值得出用户因子矩阵q中对应的元素。进一步的，步骤s3包括以下子步骤：用户因子矩阵q中的元素的值为，该元素对应用户所偏好音乐位于音乐因子矩阵p中对应于该元素偏好类型的音乐类型的平均值。本发明应用时，为了获取用户因子矩阵中用户的偏好类型的值，将用户偏好的不同的音乐中音乐类型的值提取平均值，从而获取用户偏好类型的值，这种方式可以在后期的矩阵乘法中剔除用户所不喜好的音乐。进一步的，用户因子矩阵q和音乐因子矩阵p的列数相同。本发明与现有技术相比，具有如下的优点和有益效果：本发明基于权重分析的推荐方法，通过上述步骤，实现了针对用户的音乐喜好进行有效的音乐推荐。具体实施方式为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。实施例1本发明基于权重分析的推荐方法，包括以下步骤：s1：建立用户因子矩阵q；建立音乐因子矩阵p；所述用户因子矩阵的行为用户，所述用户因子矩阵的列为偏好类型；所述音乐因子矩阵的行为音乐，所述音乐因子矩阵的列为音乐类型；所述偏好类型的种类和数量与音乐类型的种类和数量相同；s2：将音乐对每个音乐类型提取权值并赋值予音乐因子矩阵p中对应的元素；s3：将用户对每个偏好类型提取权值并赋值予用户因子矩阵q中对应的元素；s4：建立用户偏好矩阵m；所述m＝q×pt；s5：根据用户偏好矩阵m向用户推荐音乐。进一步的，步骤s5包括以下子步骤：当m中的元素的值大于阈值时，将该元素对应的音乐因子矩阵p的列所表示的音乐推荐给用户。进一步的，步骤s3包括以下子步骤：收集用户所偏好的音乐，并根据用户所偏好的音乐对应的音乐因子矩阵p中的权值得出用户因子矩阵q中对应的元素。步骤s3包括以下子步骤：用户因子矩阵q中的元素的值为，该元素对应用户所偏好音乐位于音乐因子矩阵p中对应于该元素偏好类型的音乐类型的平均值。本实施例实施时，先建立用户因子矩阵q；建立音乐因子矩阵p，通过量化的方式将音乐和用户的口味量化为矩阵并方便运算，然后将音乐对每个音乐类型提取权值并赋值予音乐因子矩阵p中对应的元素，这里所说的音乐类型可以是音乐风格，也可以是歌手姓名和语言种类，而偏好类型和音乐类型是相同的，种类和数量均相同保证了后期进行矩阵运算时可以更加有效的进行运算；再然后将用户对每个偏好类型提取权值并赋值予用户因子矩阵q中对应的元素，为了避免简单比较带来的推荐结果不精准的问题，发明人创造性的选用了矩阵乘法的方式建立用户偏好矩阵m，m＝q×pt，再根据用户偏好矩阵m向用户推荐音乐，从而通过上述步骤，实现了针对用户的音乐喜好进行有效的音乐推荐。m中的元素的值大于阈值时，即可以认为该音乐的可以满足用户的需求，即将该元素对应的音乐因子矩阵p的列所表示的音乐推荐给用户。为了获取用户因子矩阵中用户的偏好类型的值，将用户偏好的不同的音乐中音乐类型的值提取平均值，从而获取用户偏好类型的值，这种方式可以在后期的矩阵乘法中剔除用户所不喜好的音乐。用户因子矩阵q和音乐因子矩阵p的列数相同。实施例2本实施例在实施例1的基础上，用户因子矩阵q为：小清新民谣优雅摇滚歌手1甲0.60.80.10.10.7乙0.100.90.10.2丙0.50.70.90.90数字部分为矩阵内容；音乐因子矩阵p为：小清新民谣优雅摇滚歌手1音乐a0.90.10.20.40音乐b0.50.60.10.91音乐c0.10.20.50.10音乐d00.60.10.20得出用户偏好矩阵m，m＝q×pt对于m中的元素，可以得出甲对音乐a的喜好权重为：0.6*0.9+0.8*0.1+0.1*0.2+0.1*0.4+0.7*0＝0.69，如此得出甲乙丙三人分别对音乐a、b、c、d的喜好，再根据喜好的权重值向甲乙丙推荐音乐。以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。当前第1页12