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！

申请/专利权人：北京酷我科技有限公司

摘要：本发明涉及一种基于LabeledLDA模型的歌手分类方法，包括如下步骤：S1收集歌手的人工标签并进行预处理；S2建立基于用户行为的歌手分类模型并收集用户行为数据；S3清洗用户行为数据，过滤其中不利于模型训练的数据；S4分配用户行为数据中每个歌手对应每个用户的权值；S5合并用户行为数据与人工标签数据，生成训练数据；S6基于训练数据，参考标签组合关系，进行基于优化Gibbs采样的LabeledLDA模型训练。本发明，以用户的播歌行为作为训练数据，对用户的覆盖高且兼顾各个用户群体的偏好特征，用户行为的变化反映社会热点、公众认知而变化，模型可以周期性训练以跟随变化，适应性强，精确程度高，提高标签覆盖率，划分类别足够细。

主权项：1.一种基于LabeledLDA模型的歌手分类方法，其特征在于，包括如下步骤：S1，收集歌手的人工标签并进行预处理，作为训练基准；所述收集歌手的人工标签，按维度划分不同的人工标签；所述预处理包括：对各维度包括的人工标签进行准确度评估，取超过或达到预设阈值的维度中的人工标签，形成标签体系；S2，建立基于用户行为的歌手分类模型，并收集用户行为数据；所述建立基于用户行为的歌手分类模型，通过将歌手分类问题转化为一个文档主题分类问题，然后应用文档主题分类模型对歌手进行分类，具体包括：将用户作为单词聚合成代表歌手的文章作为训练数据，所述用户为完整播放歌手的歌曲的用户；为每个歌手分别作一篇文章，文章与歌手为一一对应的关系，即：文章对应歌手，文章的内容由单词构成，单词对应用户，该用户满足“在行为时间窗口w内，完整播放该歌手歌曲”的条件；具体包括：设定一个行为时间窗口w，判读行为时间窗口w内的如下用户行为：在行为时间窗口w内，完整播放该歌手歌曲，则将该用户作为单词，将该单词合并到与歌手对应的文章中；所述收集用户行为数据，是指：在行为时间窗口w内，获取完整播放某位歌手的歌曲的所有用户的用户行为；所述用户行为具体包括：完整播放的歌曲，该歌曲对应的歌手；S3，清洗用户行为数据，过滤其中不利于模型训练的数据；S4，分配用户行为数据中每个歌手对应每个用户的权值；通过对用户行为数据进行权值分配，进一步凸显特征；其中，用优化TF-IDF公式作为单词的权值，公式如下： 其中为文章a中单词u的权值，Na,u代表文章a中包含单词u的次数，代表文章a中包含最多的单词出现的次数，D代表总文章数，Du代表D中包含单词u的文章数，代表D中出现在最多文章中的单词出现的文章数；S5，合并用户行为数据与人工标签数据，生成训练数据；S6，基于训练数据，参考标签组合关系，进行基于优化Gibbs采样的LabeledLDA模型训练；LabeledLDA采用Gibbs采样算法进行学习，加入优化的TF-IDF权重后，其采样模型概率公式为： 其中为当前单词ui属于分类标签k的概率，为除当前单词外，文档a中标签k出现概率，为除当前单词外，单词ui对应标签k的概率，αk、βi为模型超参数，为改进的当前单词对当前文档的优化的TF-IDF权重；考虑到标签组内各标签的相关关系，进一步优化采样概率公式为： 其中为采样时认为当前单词ui属于分类标签k的概率，T为所有标签组，|T|为标签组大小，Ⅱ·为指示函数，函数中的参数为真则函数值为1，反之则函数值为0，λ为一个大于0小于1的超参数。

全文数据：

权利要求：

百度查询： 北京酷我科技有限公司 一种基于Labeled LDA模型的歌手分类方法