基于FPBaisSVD的音乐推荐系统的设计与实现

发布时间：2021-03-12 11:12

　　现如今,音乐与人们的生活密切相关,无处不在。随着数字音乐的出现,在线音乐的发展越来越快,越来越多的用户选择在线收听音乐。这种发展状况不仅使得网络音乐用户的数量迅速增长,而且也使得音乐资源库的大小不断扩大。与此同时,带来了音乐数据过载的问题,用户也因此无法迅速地从海量音乐资源中找到自己喜欢的音乐,提高用户的体验度变得十分迫切。推荐系统是解决音乐数据过载最有效的方法之一,它无需用户提供自己的需求,就能帮助用户从繁杂的信息中找到自己感兴趣的内容。因此,将推荐系统应用于在线音乐服务领域是音乐发展的必然趋势。在推荐领域中,基于协同过滤的推荐技术的研究和应用最为广泛。本文在基于BaisSVD协同过滤的基础上,通过引入用户的行为信息和音乐的流行度来提高模型的推荐准确度。文章的主要内容和创新点主要包括:（1）在BaisSVD算法的基础上,提出了基于用户行为加权的协同过滤算法（简称FBaisSVD）。在音乐系统中,用户可以通过收藏、分享、下载以及评论等方式表示对歌曲的喜爱,也可以通过删除、切换歌曲等操作来表明对歌曲的不满,甚至无需任何操作,只需等待歌曲播放结束进入下一首,以此表示中立模糊的态度。该算法针... 

【文章来源】：中南财经政法大学湖北省 211工程院校 教育部直属院校

【文章页数】：60 页

【学位级别】：硕士

【部分图文】：

基于用户的协同过滤从基于用户的协同过滤算法的基本思想中可以知道算法的实现主要包括以下三

基于物品的协同过滤推荐基于物品的协同过滤算法跟基于用户的协同过滤算法相似，不过基于物品的协同过滤计算的不是用户之间的相似度，而是计算音乐之间的相似度

TF-IDF算法流程图

【参考文献】：
期刊论文
[1]基于状态转移的奖励值音乐推荐研究[J]. 谭斌,孙界平,琚生根,李微.  四川大学学报(自然科学版). 2018(04)
[2]基于歌曲标签聚类的协同过滤推荐算法的研究[J]. 赵宇峰,李新卫.  计算机应用与软件. 2018(06)
[3]基于频谱包络分析的音乐推荐算法[J]. 刘莹,赵彤洲,邹冲,赵娜.  软件导刊. 2018(06)
[4]基于标签扩展的协同过滤算法在音乐推荐中的应用[J]. 章宗杰,陈玮.  软件导刊. 2018(01)
[5]Spark并行化基于物品协同过滤算法[J]. 许明杰,蔚承建,沈航.  计算机工程与设计. 2017(07)
[6]一种新的基于LDA-MURE模型的音乐个性化推荐算法[J]. 李艳,李葆华,王金环.  吉林大学学报(理学版). 2017(02)
[7]基于协同过滤技术的音乐推荐系统的研究[J]. 隋占丽,李影,于娟,王波.  福建电脑. 2015(02)
[8]基于内容的音乐语义特征描述方法[J]. 张二芬,徐淮杰.  电子设计工程. 2013(01)
[9]基于关联规则与奇异值分解的音乐推荐系统[J]. 徐淮杰,张二芬.  电子设计工程. 2013(01)

硕士论文
[1]基于LFM的音乐推荐系统的研究与实现[D]. 陈彪.湖南大学 2017
[2]基于FP-growth算法的音乐推荐应用研究[D]. 刘亚林.北京交通大学 2015
[3]音频特征与社会标签相结合的音乐推荐系统[D]. 刘珊珊.华中科技大学 2011



本文编号：3078204