音乐作为文化娱乐中最广为人知的一类商品,已经成为当下人们生活中一剂重要而独特的生活调味品。它具有消费代价低、用户偏好多样化以及种类繁杂等特点,这使得传统的离线音乐推荐难以及时响应,但目前的在线音乐推荐交互手段又十分有限。对话式推荐系统是近几年来备受关注的创新性课题,该场景通过与用户的对话式在线交互完成推荐任务,并给予了用户更加丰富的表达空间。本文将音乐推荐融入对话系统之中,围绕对话式音乐推荐系统展开了全面的分析、研究与实现。不同于常见音乐推荐场景的延迟更新和隐式反馈,对话式音乐推荐可以及时而准确地捕捉用户的偏好,并主动获取用户准确的喜好反馈,这一点可以很好地解决用户变化的音乐偏好。本文从构建音乐推荐系统的数据层,到分析、设计对话式音乐推荐算法,再到支持对话式实时音乐推荐的系统搭建三个层面进行了研究与实现。本文主要工作和贡献总结如下:·音乐知识图谱的构建本文构建了一个音乐领域的知识图谱,不仅包含歌曲、专辑、歌手这类典型音乐实体,还增加了更符合推荐场景的风格实体。音乐知识图谱采用自顶向下的构建方式从零搭建,融合了流行音乐平台的音乐实体内容,并补充了包含通用知识图谱等多个数据来源。最终音乐知识图谱的实体数量达到百万级,关系数量达到千万级。音乐知识图谱利用图数据库Neo4j进行存储和查询。·适合的对话式在线音乐推荐算法本文将对话式在线音乐推荐场景划分为用户实时音乐需求获取和在线推荐两个阶段。针对第一阶段,本文采用了基于强化学习的方法来解决系统询问、用户回复的多轮对话交互的连续策略选择。在线推荐方法采用了满足交互性、实时性和探索性的基于Bandit的音乐推荐算法。此外,由于缺少对话式音乐推荐数据,本文利用离线数据进行对话式音乐推荐的用户模拟实验,验证了上述两个阶段选择的算法的有效性。·对话式在线音乐推荐系统的设计与实现基于上述的音乐知识图谱和对话式音乐推荐算法,本文设计并实现了对话式在线音乐推荐系统。在音乐推荐功能中,不仅包含普通音乐实体推荐,还设计了基于情绪的歌曲推荐。此外,为了提高系统的完备性与丰富度,系统还提供了记忆、问答和闲聊的功能,系统存储的用户画像可以辅助无约束的音乐推荐。系统用Python语言开发,并以微信公众号的方式进行了发布。