李瑞敏
- 作品数：3 被引量：53H指数：3
- 供职机构：大连理工大学计算机科学与技术学院更多>>
- 发文基金：国家教育部博士点基金国家自然科学基金教育部留学回国人员科研启动基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于用户-标签-项目语义挖掘的个性化音乐推荐被引量：42
- 2014年
- 个性化推荐系统面临的难题是推荐的准确性、多样性以及新颖性,同时其数据集存在稀疏、信息缺失(如用户描述、项目属性以及明确的评分)等问题.协同标注中的标签包含丰富的个性化描述信息以及项目内容信息,因此可以用来帮助提供更好的推荐.算法以二部图节点结构相似与重启型随机游走为基础,分析音乐社交网络Last.fm中用户、项目、标签两两之间的联系,首先构建音乐间及标签间的相邻关系,初步得到音乐推荐列表和间接关联音乐集合,然后按所提算法融合结果,重新排序,得到最终推荐列表,从而实现个性化音乐推荐算法.实验表明,在该数据集上,所提方法能够满足用户对音乐的个性化需求.
- 李瑞敏林鸿飞闫俊
- 关键词：社会化标注协同过滤二部图个性化
- 基于音乐基因组的个性化移动音乐推荐系统被引量：6
- 2012年
- 随着移动技术的不断发展,移动应用服务的市场前景广阔。其受限制的硬件条件,对移动应用服务的个性化提出了更高的要求。在此背景下,引入音乐基因组的概念,以用户对音乐的标注行为和社会化标签为基础,分析用户对不同音乐基因特征的偏好情况及用户兴趣,并利用不同用户之间的兴趣相似情况,构建用户之间的相邻关系,结合两方面的因素,提出了一个个性化移动音乐推荐系统。实验表明,该方法能够较好地满足移动音乐服务的个性化需求。
- 李瑞敏闫俊林鸿飞
- 关键词：个性化服务移动音乐推荐系统
- 基于情感向量空间模型的歌曲情感标签预测模型被引量：7
- 2012年
- 音乐的情感标签预测对音乐的情感分析有着重要的意义。该文提出了一种基于情感向量空间模型的歌曲情感标签预测算法,首先,提取歌词中的情感特征词构建情感空间向量模型,然后利用SVM分类器对已知情感标签的音乐进行训练,通过分类技术找到与待预测歌曲情感主类一致的歌曲集合,最后,通过歌词的情感相似度计算找到最邻近的k首歌曲,将其标签推荐给待预测歌曲。实验发现本文提出的情感向量空间模型和"情感词—情感标签"共现的特征降维方法比传统的文本特征向量模型能够更好地提高歌曲情感分类准确率。同时,在分类基础上进行的情感标签预测方法可以有效地防止音乐"主类情感漂移",比最近邻居方法达到更好的标签预测准确率。
- 李静林鸿飞李瑞敏
- 关键词：特征降维情感分类
