本發(fā)明涉及信息檢索領域，特別是一種音樂信息網(wǎng)絡中個性化推薦方法。
背景技術：
：音樂信息網(wǎng)絡實際上是由一個信息子網(wǎng)和社交子網(wǎng)構成，而信息子網(wǎng)通常包含歌曲以及與歌曲相關的類型節(jié)點，如歌手、作詞者、流派等等，網(wǎng)絡中存在的關系有歌曲-歌手之間的被演唱與演唱關系、歌曲-作詞者之間的被作詞與作詞關系、歌曲-流派之間的被包含與包含關系等等，社交子網(wǎng)中包含用戶之間的好友關系、歌曲-用戶之間的被播放與播放關系、用戶-分組之間的被包含與包含關系。目前，音樂信息網(wǎng)絡中個性化推薦方法，基本上都是采用基于內(nèi)容推薦、協(xié)同過濾推薦等方法。這些方法只是單純地利用相似用戶喜歡相同歌曲或同一用戶喜歡相似歌曲等特性來進行推薦，并沒有真正地挖掘用戶對歌曲的偏好以及歌曲對用戶的影響，不能夠很好地體現(xiàn)個性化推薦。技術實現(xiàn)要素：本發(fā)明的目的在于提供一種音樂信息網(wǎng)絡中個性化推薦方法，以克服現(xiàn)有的音樂信息網(wǎng)絡中歌曲個性化推薦方法中存在的問題。為實現(xiàn)上述目的，本發(fā)明的技術方案是：一種音樂信息網(wǎng)絡中個性化推薦方法，按照如下步驟實現(xiàn)：步驟s1：獲取音樂信息網(wǎng)絡gm，從所述音樂信息網(wǎng)絡gm中提取信息子網(wǎng)g0以及g0的網(wǎng)絡模式h0，并根據(jù)sg0＝{(ui,mj)|mj∈g0∧(ui,mj)∈gm}從所述音樂信息網(wǎng)絡gm中提取出與所述信息子網(wǎng)g0相關的社交關系sg0，其中，mj為信息子網(wǎng)g0中的歌曲節(jié)點，ui為音樂信息網(wǎng)絡gm中播放過歌曲mj的用戶節(jié)點；步驟s2：在所述信息子網(wǎng)g0中計算社交關系影響下的歌曲m、歌手s、作詞者a以及流派t的節(jié)點群體影響力；步驟s3：在所述音樂信息網(wǎng)絡中計算元路徑集metapath以及對應的元路徑權重wmetapath；步驟s4：指定用戶u，在所述音樂信息網(wǎng)絡中計算用戶u對歌曲的偏好基因；步驟s5：在所述信息子網(wǎng)g0中結(jié)合節(jié)點群體影響力和用戶u對歌曲的偏好基因進行隨機游走，得到面向用戶u的節(jié)點影響力排名，從而得到該用戶的歌曲推薦列表。在本發(fā)明一實施例中，在所述步驟s4中，用戶u對歌曲的偏好基因計算過程如下：根據(jù)所述步驟s3得到的元路徑權重wmetapath，分別提取出“歌曲-歌手-歌曲”、“歌曲-作詞者-歌曲”、“歌曲-流派-歌曲”對應的元路徑權重wmetapaths、wmetapatha、wmetapatht；并根據(jù)g(s|m)＝wmetapaths、g(a|m)＝wmetapatha、g(t|m)＝wmetapatht和g(s|m)+g(a|m)+g(t|m)＝1，計算出用戶對歌曲對應的歌手、作詞者、流派的偏好基因g(s|m)、g(a|m)、g(t|m)。在本發(fā)明一實施例中，在所述步驟s5中，所述用戶u的歌曲推薦列表的計算過程如下：步驟s51：根據(jù)所述步驟s4得到用戶u對歌曲的偏好基因，計算出用戶u的信息子網(wǎng)中不同類型關系邊的傳播因子；步驟s52：根據(jù)所述音樂信息網(wǎng)絡中用戶-用戶間邊權重以及用戶-歌曲間邊權重，計算出用戶u的信息子網(wǎng)中各種類型邊權重；步驟s53：根據(jù)步驟s2得到信息子網(wǎng)群體節(jié)點影響力、步驟s51得到的傳播因子以及步驟s52得到的邊權重，在用戶u的信息子網(wǎng)中進行隨機游走，得到用戶u的信息子網(wǎng)節(jié)點影響力vec_r；步驟s54：根據(jù)所述節(jié)點影響力vec_r中抽取出歌曲影響力，并進行影響力排序，得到歌曲的影響力排序vec_m，再從vec_m中選擇前k首歌曲作為用戶u的歌曲推薦列表vec_mu。在本發(fā)明一實施例中，在所述步驟s51中，所述用戶u的信息子網(wǎng)中不同型關系邊的傳播因子計算過程如下：根據(jù)所述步驟s4得到用戶u對歌曲的偏好基因和所述信息子網(wǎng)的網(wǎng)絡模式，將歌曲和歌手關系邊的傳播因子λms，歌曲和作詞者關系邊的傳播因子λma，歌曲和流派關系邊的傳播因子λmt分別初始化為用戶對歌曲對應的歌手、作詞者、流派的偏好基因g(s|m)、g(a|m)、g(t|m)，即λms＝g(s|m)、λma＝g(a|m)、λmt＝g(t|m)。在本發(fā)明一實施例中，在所述步驟s2中，還包括如下步驟：步驟s22：根據(jù)社交關系，計算在社交關系影響下的信息子網(wǎng)中各種類型邊權重；步驟s221：歌曲-流派之間的被包含關系邊的權重按照如下方式計算：其中，表示歌曲m所屬于的流派個數(shù)，表示播放歌曲m的用戶人數(shù)，p(t)表示流派t包含的歌曲列表；步驟s222：流派-歌曲之間的包含關系邊的權重按照如下方式計算：其中，表示流派t包含的歌曲數(shù)；步驟s223：歌曲-歌手之間的被演唱關系邊的權重按照如下方式計算：其中，表示歌曲m的歌手個數(shù)，表示播放歌曲m的用戶人數(shù)，p(s)表示歌手s演唱的歌曲列表；步驟s224：歌手-歌曲之間的演唱關系邊的權重按照如下方式計算：其中，表示歌手s演唱的歌曲數(shù)；步驟s225：歌曲-作詞者之間的被作詞關系邊的權重按照如下方式計算：其中，表示歌曲m的作詞者個數(shù)，表示播放歌曲m的用戶人數(shù)，p(a)表示作詞者a作詞的歌曲列表；步驟s226：作詞者-歌曲之間的作詞關系邊的權重按照如下方式計算：其中，表示作詞者a作詞的歌曲數(shù)；在步驟s52中，還包括如下步驟：步驟s521：根據(jù)所述音樂信息網(wǎng)絡中用戶之間的好友關系以及用戶-歌曲間鏈接，計算基于用戶相似性填充后的所有歌曲評分scoreu；步驟s522：根據(jù)所述步驟s521得到基于用戶相似性填充后的所有歌曲評分scoreu，將所述步驟s22中初始化為歌曲的評分scoreu,m；步驟s523：重復所述步驟s221至所述步驟s226，得到用戶u的信息子網(wǎng)中歌曲-作詞者之間邊權重wma、作詞者-歌曲之間邊權重wam、歌曲-歌手之間邊權重wms、歌手-歌曲之間邊權重wsm、歌曲-流派之間邊權重wmt、流派-歌曲之間邊權重wtm。在本發(fā)明一實施例中，在所述步驟s521中，還包括如下步驟：步驟s5211：根據(jù)所述用戶-歌曲間邊權重umw；若用戶u對歌曲m的邊權重umwum不為0，則用戶u對歌曲m的評分為scoreum＝umwum；否則轉(zhuǎn)步驟s5212；步驟s5212：根據(jù)所述用戶-歌曲間邊權重umw，計算出點播過歌曲的用戶集mu以及對應的邊權重muw；步驟s5213：利用hetesim算法計算出基于元路徑“用戶-歌曲-歌手-歌曲-用戶”、“用戶-歌曲-作詞者-歌曲-用戶”“用戶-歌曲-流派-歌曲-用戶”下的用戶u與每一個用戶v∈mu之間的相似性，得到用戶相似性行向量usersimu，并對usersimu進行min-max標準化；步驟s5214：若usersimu的最大值大于用戶相似性閾值simthre，則根據(jù)以下式計算出用戶u對歌曲m的評分scoreum：其中，un＝{r|r∈mu∧usersimur≥simthre}，usersimuv為用戶u與用戶v的相似性，umwvm為用戶v對歌曲m的邊權重；否則，根據(jù)以下式計算出用戶u對歌曲m的評分：scoreum＝usersimuv*umwvm其中，v＝{v∈mu∧usersimuv＝max(usersimu)}，usersimuv為用戶u與用戶v的相似性，umwvm為用戶v對歌曲m的邊權重。在本發(fā)明一實施例中，在所述步驟s2中，還包括如下步驟：步驟s23：結(jié)合所述信息子網(wǎng)中各種類型關系邊的傳播因子與各種類型邊權重在所述信息子網(wǎng)中進行隨機游走，計算社交關系影響下的歌曲、歌手、作詞者和流派等群體影響力；步驟s231：將所述信息子網(wǎng)中歌曲-歌曲之間邊權重wmm、歌手-歌手之間邊權重wss、作詞者-作詞者之間邊權重waa、流派-流派之間邊權重wtt、歌手-作詞者之間邊權重wsa、作詞者-歌手之間邊權重was、歌手-流派之間邊權重wst、流派-歌手之間邊權重wts、作詞者-流派之間邊權重wat、流派-作詞者之間邊權重wta均設置為0，即wmm，wss，waa，wtt，wsa，was，wst，wts，wat，wta都設置為對應大小的零矩陣；將歌曲-歌曲之間傳播因子λmm、歌手-歌手之間傳播因子λss、作詞者-作詞者之間傳播因子λaa、流派-流派之間傳播因子λtt、歌手-作詞者之間傳播因子λsa、作詞者-歌手之間傳播因子λas、歌手-流派之間傳播因子λst、流派-歌手之間傳播因子λts、作詞者-流派之間傳播因子λat、流派-作詞者之間傳播因子λta均設置為0，即λmm＝λss＝λaa＝λtt＝λsa＝λas＝λst＝λts＝λat＝λta＝0；步驟s232：在所述信息子網(wǎng)中，節(jié)點之間進行隨機游走的轉(zhuǎn)移概率矩陣tpm按如下方式計算：步驟s233：設定兩個長度為n的向量vec_c與vec_r；vec_r中的值為所述信息子網(wǎng)中每個節(jié)點的影響力值，vec_c初始為并通過如下方式計算vec_r：其中，ε為全圖隨機跳轉(zhuǎn)概率，n取值為所述信息子網(wǎng)中節(jié)點總個數(shù)；步驟s234：通過以下兩個公式計算vec_c以及vec_r：vec_c＝vec_r，且當||vec_r-vec_c||≥ξ時，則繼續(xù)以上兩個公式的計算,否則得到vec_r，ξ為預設誤差閾值；步驟s235：分別對vec_r中類型節(jié)點歌曲、歌手、作詞者以及流派值進行排序，得到歌曲、歌手、作詞者以及流派的群體影響力vec_cg；在所述步驟s53中，將所述步驟s233中節(jié)點影響力vec_c初始化為vec_m，將所述步驟s231中傳播因子和邊權重分別設置為所述步驟s51得到的傳播因子和所述步驟s52得到的邊權重，并重復所述步驟s231至所述步驟s234，得到信息子網(wǎng)中節(jié)點影響力vec_r。相較于現(xiàn)有技術，本發(fā)明具有以下有益效果：本發(fā)明提出了一種音樂信息網(wǎng)絡中個性化推薦方法，該方法不僅有效地利用與歌曲相關的信息子網(wǎng)中不同類型的對象和關系等全面的結(jié)構信息和豐富的語義信息，同時考慮到社交群體對信息子網(wǎng)節(jié)點影響力的影響，并且能夠根據(jù)用戶對歌曲的偏好基因?qū)崿F(xiàn)個性化推薦。這種在信息子網(wǎng)中借助社交群體與偏好信息為用戶提供個性化推薦的方法更合理。附圖說明圖1為本發(fā)明提出的一種音樂信息網(wǎng)絡中的個性化推薦方法。圖2為本發(fā)明一實施例中音樂信息網(wǎng)絡。圖3為本發(fā)明一實施例中音樂信息網(wǎng)絡中的信息子網(wǎng)的網(wǎng)絡模式。圖4為本發(fā)明-實施例中音樂信息網(wǎng)絡具體例子。圖5為本發(fā)明-實施例中社交關系影響下的信息子網(wǎng)例子。圖6為本發(fā)明-實施例中一個用戶的信息子網(wǎng)例子。具體實施方式下面結(jié)合附圖，對本發(fā)明的技術方案進行具體說明。下面通過具體實施例對本發(fā)明做進一步的說明，但是需要注意的是，公布實施例的目的在于幫助進一步理解本發(fā)明，但是本領域的技術人員可以理解：在不脫離本發(fā)明及所附的權利要求的精神和范圍內(nèi)，各種替換和修改都是可能的。因此，本發(fā)明不應局限于實施例所公開的內(nèi)容，本發(fā)明要求保護的范圍以權利要求書界定的范圍為準。如圖1所示，為本發(fā)明所提出的音樂信息網(wǎng)絡中的個性化推薦方法的的流程圖，該方法包括如下步驟：步驟s1：獲取音樂信息網(wǎng)絡，從音樂信息網(wǎng)絡中提取信息子網(wǎng)以及信息子網(wǎng)的網(wǎng)絡模式，并從音樂信息網(wǎng)絡中提取出與所述信息子網(wǎng)相關的用戶-歌曲之間的播放關系，即社交關系；進一步的，在本實施例中，在音樂信息網(wǎng)絡中，去除用戶之間的社交關系以及用戶與歌曲之間的播放關系與被播放關系等社交信息后，得到只與歌曲相關的沒有社交關系影響下的信息子網(wǎng)g0，在這個信息子網(wǎng)g0的網(wǎng)絡模式中，有四種類型節(jié)點，分別為歌曲、歌手、流派、作詞者，網(wǎng)絡中存在的關系有：歌手-歌曲之間的演唱與被演唱關系、作詞者-歌曲之間的作詞與被作詞關系、流派-歌曲之間的包含與被包含關系；再從音樂信息網(wǎng)絡中提取與信息子網(wǎng)相關的社交關系sg0，在sg0中，有兩種類型節(jié)點，分別是歌曲、用戶，網(wǎng)絡中存在的關系有：用戶-歌曲之間的播放與被播放關系。進一步的，在本實施例中，從豆瓣音樂網(wǎng)站中獲取音樂網(wǎng)絡數(shù)據(jù)信息，提取網(wǎng)絡實體，包括歌曲(m)，歌手(s),作詞者(a)，流派(t)，用戶(u)，分組(g)，這些數(shù)據(jù)中存在關系有：歌曲-歌手之間的被演唱與演唱關系、歌曲-作詞者之間的被作詞與作詞關系、歌曲-流派之間的被包含與包含關系、用戶-歌曲之間的播放與被播放關系、分組-用戶之間的包含與被包含關系，從而生成音樂信息網(wǎng)絡，音樂信息網(wǎng)絡例子如圖2所示。進一步的，在本實施例中，音樂信息網(wǎng)絡中信息子網(wǎng)的網(wǎng)絡模式中有節(jié)點歌曲(m)，歌手(s),作詞者(a)，流派(t)，邊代表節(jié)點之間的關系，分別為歌曲-歌手之間的被演唱與演唱關系、歌曲-作詞者之間的被作詞與作詞關系、歌曲-流派之間的被包含與包含關系，信息子網(wǎng)的網(wǎng)絡模式如圖3所示。而與信息子網(wǎng)相關的社交關系sg0是指用戶-歌曲之間的播放與被播放關系。進一步的，在本實施例中，音樂信息網(wǎng)絡的具體例子如圖4所示，社交關系影響下的信息子網(wǎng)例子如圖5所示。步驟s2：在信息子網(wǎng)中計算社交關系影響下的歌曲、歌手、作詞者和流派等節(jié)點群體影響力vec_cg；步驟s21：根據(jù)信息子網(wǎng)的網(wǎng)絡模式，計算信息子網(wǎng)中不同類型關系邊的平均邊介數(shù)，并根據(jù)平均邊介數(shù)計算隨機游走過程中不同類型關系邊的傳播因子；步驟s211：計算信息子網(wǎng)g0中被演唱關系邊、被作詞關系以邊及被包含關系邊的邊介數(shù)，并計算出這三種類型邊的平均邊介數(shù)的比值ems:ema:emt＝9.5332:7.5288:8.7495；步驟s212：根據(jù)λms:λma:λmt＝ems:ema:emt和λms+λma+λmt＝1計算出這三種類型邊的傳播因子λms＝0.3693,λma＝0.2917,λmt＝0.3390，且演唱關系邊、作詞關系邊以及包含關系邊的傳播因子均為1，即λsm＝1,λam＝1,λtm＝1。步驟s22：根據(jù)社交關系，計算在社交關系影響下的信息子網(wǎng)中各種類型邊權重；步驟s221：歌曲-流派之間的被包含關系邊的權重按照如下方式計算：其中，表示歌曲m所屬于的流派個數(shù)，表示播放歌曲m的用戶人數(shù)，p(t)表示流派t包含的歌曲列表；步驟s222：流派-歌曲之間的包含關系邊的權重按照如下方式計算：其中，表示流派t包含的歌曲數(shù)；步驟s223：歌曲-歌手之間的被演唱關系邊的權重按照如下方式計算：其中，表示歌曲m的歌手個數(shù)，表示播放歌曲m的用戶人數(shù)，p(s)表示歌手s演唱的歌曲列表；步驟s224：歌手-歌曲之間的演唱關系邊的權重按照如下方式計算：其中，表示歌手s演唱的歌曲數(shù)；步驟s225：歌曲-作詞者之間的被作詞關系邊的權重按照如下方式計算：其中，表示歌曲m的作詞者個數(shù)，表示播放歌曲m的用戶人數(shù)，p(a)表示作詞者a作詞的歌曲列表；步驟s226：作詞者-歌曲之間的作詞關系邊的權重按照如下方式計算：其中，表示作詞者a作詞的歌曲數(shù)。步驟s23：結(jié)合傳播因子與各種類型邊權重在信息子網(wǎng)中進行隨機游走，計算社交關系影響下的歌曲、歌手、作詞者和流派等群體影響力；步驟s231：將信息子網(wǎng)中歌曲-歌曲之間邊權重wmm、歌手-歌手之間邊權重wss、作詞者-作詞者之間邊權重waa、流派-流派之間邊權重wtt、歌手-作詞者之間邊權重wsa、作詞者-歌手之間邊權重was、歌手-流派之間邊權重wst、流派-歌手之間邊權重wts、作詞者-流派之間邊權重wat、流派-作詞者之間邊權重wta均設置為0，即wmm，wss，waa，wtt，wsa，was，wst，wts，wat，wta都設置為對應大小的零矩陣；將歌曲-歌曲之間傳播因子λmm、歌手-歌手之間傳播因子λss、作詞者-作詞者之間傳播因子λaa、流派-流派之間傳播因子λtt、歌手-作詞者之間傳播因子λsa、作詞者-歌手之間傳播因子λas、歌手-流派之間傳播因子λst、流派-歌手之間傳播因子λts、作詞者-流派之間傳播因子λat、流派-作詞者之間傳播因子λta均設置為0，即λmm＝λss＝λaa＝λtt＝λsa＝λas＝λst＝λts＝λat＝λta＝0；步驟s232：在信息子網(wǎng)中，節(jié)點之間進行隨機游走的轉(zhuǎn)移概率矩陣tpm按如下方式計算：步驟s233：設定兩個長度為n的向量vec_c與vec_r；vec_r中的值為信息子網(wǎng)中每個節(jié)點的影響力值，vec_c初始為并通過如下方式計算vec_r：其中，ε為全圖隨機跳轉(zhuǎn)概率，n取值為信息子網(wǎng)中節(jié)點總個數(shù)；在本實施例中，n＝15；步驟s234：通過以下兩個公式計算vec_c以及vec_r：vec_c＝vec_r，且當||vec_r-vec_c||≥ξ時，則繼續(xù)以上兩個公式的計算,否則得到vec_r，ξ為預設誤差閾值；步驟s235：分別對vec_r中類型節(jié)點歌曲、歌手、作詞者以及流派值進行排序，得到歌曲、歌手、作詞者以及流派的群體影響力vec_cg，如表1所示。表1步驟s3：在音樂信息網(wǎng)絡中計算元路徑集metapath以及對應的元路徑權重wmetapath；步驟s31：獲取一音樂信息網(wǎng)絡，在音樂信息網(wǎng)絡中通過n步長隨機游走得到與用戶相關的信息子網(wǎng)g以及信息子網(wǎng)g的網(wǎng)絡模式h0；步驟s311:根據(jù)用戶與歌曲之間的播放關系，得到用戶播放的歌曲節(jié)點集步驟s312：分別以mx(x＝1,...,x)為中心，查找與mx相關的歌手、作詞者以及流派的節(jié)點集步驟s313：分別以vj(j＝1,...,j)為中心，查找與節(jié)點vj相關的其他歌曲節(jié)點集步驟s314：重復步驟s121至步驟s123，直至找到um中，以每個節(jié)點mx為中心的n步長內(nèi)，且與該節(jié)點mx相關的節(jié)點集u包括歌曲節(jié)點集歌手節(jié)點集作詞者節(jié)點集流派節(jié)點集由u構成的子網(wǎng)絡即為用戶的信息子網(wǎng)g。本實施例中，圖4中用戶u1對應的信息子網(wǎng)g如圖6所示。步驟s32：對信息子網(wǎng)g進行剪枝，并在剪枝后的信息子網(wǎng)g′中計算不同類型邊的權重，具體步驟如下；步驟s321：在信息子網(wǎng)g中，保留歌曲-歌手之間的被演唱關系邊、歌曲-作詞者之間的被作詞關系邊、歌曲-流派之間的被包含關系邊，得到信息子網(wǎng)g′；從信息子網(wǎng)g中歌手-歌曲之間的演唱關系邊、作詞者-歌曲之間的作詞關系邊、流派-歌曲之間的包含關系邊構成的集合中隨機添加一條邊至信息子網(wǎng)g′中，直到信息子網(wǎng)g′為強連通圖為止，即可得到所述信息子網(wǎng)g通過剪枝枝后的信息子網(wǎng)g′；步驟s322：利用hetesim算法計算信息子網(wǎng)g′中每一對不同類型節(jié)點間的相關性，包括：歌曲-歌手之間的被演唱關系相關性、歌曲-作詞者之間的被作詞關系相關性、歌曲-流派之間的被包含關系相關性、歌手-歌曲之間的演唱關系相關性、作詞者-歌曲之間的作詞關系相關性以及流派-歌曲之間的包含關系相關性；本實施例中歌曲-歌手之間的被演唱關系邊、歌曲-作詞者之間的被作詞關系邊、歌曲-流派之間的被包含關系邊的具體相關性計算結(jié)果如表2所示，歌手-歌曲之間的演唱關系邊、作詞者-歌曲之間的作詞關系邊、流派-歌曲之間的包含關系邊的具體相關性計算結(jié)果分別與歌曲-歌手之間的被演唱關系邊、歌曲-作詞者之間的被作詞關系邊、歌曲-流派之間的被包含關系邊的具體相關性相同。表2s1s2s4a1a2t1t2t3m10.5774000.577400.40820.33330.4082m300.50000.707101.0000.5000040820m40.5774000.5774000.57740m50.40820.500000.57740000.7071步驟s323：將步驟s22得到的相關性取倒數(shù)，得到所述信息子網(wǎng)g′不同類型邊的權重。步驟s33：在信息子網(wǎng)g′中計算所有歌曲對之間的最短路徑集shortpath和最短路徑權重wshortpath；將最短路徑集抽象為元路徑實例集mshpath，并計算元路徑集metapath、元路徑實例路徑數(shù)q和元路徑權重wmetapath，具體步驟如下：步驟s331：對于信息子網(wǎng)g′中所有歌曲節(jié)點集計算所有歌曲對之間的最短路徑集shortpath：利用單源最短路徑算法計算歌曲mi到歌曲mj之間的最短路徑shortpathij，其中，i,j＝1,2,...q,i≠j；步驟s332：計算所有歌曲對之間的最短路徑權重wshortpath：對于最短路徑集shortpath中的每一條最短路徑shortpathij，計算最短路徑shortpathij的權重wshortpathij，計算公式為:其中,r為shortpathij的跳數(shù)；hetesimr為每一跳對應邊er＝<vs,vt>的相關性，s＝1,...,n；t＝1,...,n；步驟s333：根據(jù)信息子網(wǎng)g的網(wǎng)絡模式h0，將最短路徑集shortpath中的每一條最短路徑shortpathij抽象為元路徑mshpathij，得到所有歌曲對之間的元路徑實例集mshpath和元路徑實例權重wmshpath，計算為：wmshpath＝wshortpath；步驟s334：將元路徑實例集mshpath抽象為元路徑集對每一條元路徑metapathm，獲取對應的所有元路徑實例計算為：mshpathl′＝mshpathij；步驟s335：計算所有的元路徑權重wmetapath。進一步的，在本實施例中，在步驟s335中，計算所有的元路徑權重wmetapath，具體步驟如下：步驟s3351：對每一條元路徑metapathm對應的所有元路徑實例計算每一條元路徑實例mshpathl對應的元路徑實例權重wmshpathl′，計算為；wmshpathl′＝wmshpathij；步驟s3352：計算出元路徑metapathm的權重wmetapathm，計算公式如下:其中，qm表示元路徑metapathm對應的實例路徑數(shù)。在本實施例中，所有歌曲對之間的最短路徑集shortpath計算結(jié)果如表3所示，所有歌曲對之間的元路徑實例集mshpath的計算結(jié)果如表4所示，元路徑集metapath、元路徑實例路徑數(shù)目q和元路徑權重wmetapath的計算結(jié)果如表5所示。表3m1m3m4m5m1[][m1,t1,m3][m1,a1,m4][m1,a1,m5]m3[m3,t1,m1][][m3,t2,m4][m3,s2,m5]m4[m4,a1,m1][m4,t2,m3][][m4,a1,m5]m5[m5,a1,m1][m5,st,m3][m5,a1,m4][]表4m1m3m4m5m1[]'mtm''mam''mam'm3'mtm'[]'mtm''msm'm4'mam''mtm'[]'mam'm5'mam''msm''mam'[]表5元路徑名稱metapath元路徑實體路徑數(shù)目q元路徑權重wmetapath'mtm'40.4735'msm'20.5000'mam'60.5774步驟s4：指定用戶u，在音樂信息網(wǎng)絡中計算用戶u對歌曲的偏好基因；步驟s41:根據(jù)元路徑集metapath提取出元路徑“歌曲-歌手-歌曲”(msm)、“歌曲-作詞者-歌曲”(mam)、“歌曲-流派-歌曲”(mtm)，根據(jù)元路徑權重wmetapath分別提取出msm、mam、mtm對應的元路徑權重wmetapaths、wmetapatha、wmetapatht；步驟s42：根據(jù)g(s|m)＝wmetapaths、g(a|m)＝wmetapatha、g(t|m)＝wmetapatht和g(s|m)+g(a|m)+g(t|m)＝1計算出用戶u對歌曲對應的歌手、作詞者、詞派的偏好基因g(s|m)、g(a|m)、g(t|m)。在本實施例中，用戶u對歌曲的流派t、歌曲的歌手s以及歌曲的作詞者a之間的偏好基因如表6所示，由表6可得，用戶id1播放歌曲過程中，有30.530％的可能性選擇某種流派包含的歌曲，有32.241％的可能性選擇某個歌手演唱的歌曲，有37.229％的可能性選擇某個作詞者作詞的歌曲。表6歌曲屬性偏好基因流派t30.530歌手s32.241作詞者a37.229步驟s5：在信息子網(wǎng)中結(jié)合節(jié)點群體影響力和用戶u對歌曲的偏好基因進行隨機游走，得到面向用戶u的節(jié)點影響力排名，從而得到該用戶的歌曲推薦列表。步驟s51：根據(jù)步驟s4得到用戶u對歌曲的偏好基因和信息子網(wǎng)的網(wǎng)絡模式，將歌曲和歌手關系邊的傳播因子λms，歌曲和作詞者關系邊的傳播因子λma，歌曲和流派關系邊的傳播因子λmt分別初始化為用戶對歌曲的偏好基因g(s|m)、g(a|m)、g(t|m)，即λms＝g(s|m)、λma＝g(a|m)、λmt＝g(t|m)；步驟s52：根據(jù)音樂信息網(wǎng)絡中用戶-用戶間邊權重以及用戶-歌曲間邊權重，計算出信息子網(wǎng)中各種類型邊權重，具體步驟如下；步驟s521：根據(jù)音樂信息網(wǎng)絡中用戶之間的好友關系以及用戶-歌曲間鏈接，計算出基于用戶相似性填充后的所有歌曲評分scoreu，具體步驟如下；步驟s5211：根據(jù)用戶-歌曲間邊權重umw，若用戶u對歌曲m的邊權重umwum不為0，則用戶u對歌曲m的評分為scoreum＝umwum，否則轉(zhuǎn)步驟s5212；步驟s5212：根據(jù)所述用戶-歌曲間邊權重umw，計算出點播過歌曲的用戶集mu以及對應的邊權重muw；步驟s5213：利用hetesim算法計算出基于元路徑“用戶-歌曲-歌手-歌曲-用戶”(umsmu)、“用戶-歌曲-作詞者-歌曲-用戶”(umamu)、“用戶-歌曲-流派-歌曲-用戶”(umtmu)下的用戶u與每一個用戶v∈mu之間的相似性，得到用戶相似性行向量usersimu，并對usersimu進行min-max標準化；步驟s5214：若usersimu的最大值大于用戶相似性閾值simthre，則根據(jù)以下公式1計算出用戶u對歌曲m的評分scoreum，否則根據(jù)以下公式2計算出用戶u對歌曲m的評分；其中，un＝{r|r∈mu∧usersimur≥simthre}，usersimuv為用戶u與用戶v的相似性，umwvm為用戶v對歌曲m的邊權重；scoreum＝usersimuv*umwvm公式2其中，v＝{v∈mu∧usersimuv＝max(usersimu)}，usersimuv為用戶u與用戶v的相似性，umwvm為用戶v對歌曲m的邊權重；步驟s522：根據(jù)步驟s521得到基于用戶相似性填充后的所有歌曲評分scoreu，將步驟s22中初始化為歌曲的評分scoreu,m；在本實施例中基于用戶相似性填充后的所有歌曲評分scoreu如表7所示。表7m1m2m3m4m5m6歌曲評分4.00002.17343.00003.00002.00003.2490步驟s523：重復步驟s221至步驟s226，得到信息子網(wǎng)中歌曲-作詞者之間邊權重wma、作詞者-歌曲之間邊權重wam、歌曲-歌手之間邊權重wms、歌手-歌曲之間邊權重wsm、歌曲-流派之間邊權重wmt、流派-歌曲之間邊權重wtm；步驟s53：根據(jù)步驟s2得到社交關系影響下的節(jié)點群體影響力，將步驟s233中節(jié)點影響力vec_c初始化為vec_m，并重復步驟s231至步驟s234，得到信息子網(wǎng)中節(jié)點影響力vec_r,如表8所示。表8節(jié)點名稱節(jié)點影響力a10.1477m10.1395m60.1123s10.0876m40.0799t20.0698m30.0681m50.0602t30.0496s20.0388t10.0374a20.0352m20.0308s40.0265s30.0167步驟s54：根據(jù)節(jié)點影響力vec_r中抽取出歌曲影響力，并進行影響力排序，得到歌曲的影響力排序vec_m，再從vec_m中選擇前k首歌曲作為用戶u的歌曲推薦列表vec_mr，如表9所示。表9歌曲名稱m1m6m4以上是本發(fā)明的較佳實施例，凡依本發(fā)明技術方案所作的改變，所產(chǎn)生的功能作用未超出本發(fā)明技術方案的范圍時，均屬于本發(fā)明的保護范圍。當前第1頁12