文献类型：期刊文章

作　　者：杨明极[1] 刘畅[1] 宋泽[2]

YANG Ming-ji;LIU Chang;SONG Ze(School of Measurement and Communication,Harbin University of Science&Technology,Harbin 150080,China;No.703 Institute of China Shipbuilding Industry Corporation,Harbin 150010,China)

机构地区：[1]哈尔滨理工大学测控技术与通信工程学院,哈尔滨150080 [2]中国船舶重工集团公司第七〇三研究所蒸汽事业动力部,哈尔滨150010

出　　处：《小型微型计算机系统》

年　　份：2020

卷　　号：41

期　　号：10

起止页码：2235-2240

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD_E2019_2020、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：该算法由独立循环神经网络算法与注意力机制共同组成的深度神经网络实现,并在数据预处理阶段对用户收听历史记录的音频使用散射变换进行预处理.通过散射变换提取用户收听历史记录音频特征,再将此特征与用户画像共同通过混合注意力机制的独立循环神经网络得出推荐列表.仿真结果表明,文中给出的算法与已有的IndRNN(循环神经网络)和基于LSTM(长短期记忆网络)的音乐推荐算法相比,分别提高了7.8%和20.9%的推荐准确度.

关 键 词：音乐推荐  深度学习  注意力机制  循环神经网络

分 类 号：TP391]