音乐推荐系统的设计和实现

发布时间：2017-03-30 01:04

  本文关键词：音乐推荐系统的设计和实现，，由笔耕文化传播整理发布。

【摘要】：随着互联网的飞速发展,网上信息大量增加,面对海量信息,用户要从网上查找到感兴趣的内容变得越来越困难。传统搜索引擎能为人们过滤一部分无关信息,但网上具有相同关键字的信息太多,从搜索结果中发现感兴趣的内容仍是一件费时费力的事情,在百度搜索“推荐系统”,找到的相关结果有1亿个。而且,传统搜索方式只会找到具有搜索关键字的内容,却不能发现与之关系紧密,又没有类似关键字的信息。音乐是人们生活中不可或缺的一项娱乐内容,网络的便捷性让在线音乐快速发展,音乐推荐成了个性化推荐系统中一个重要组成部分,国内外各式各样的在线音乐服务不断涌现,国内近年来兴起的YY语音、网易云音乐、Jing.fm等都是此类代表。网络状况的改善,让用户越来越习惯于随听随播的收听方式,主动发现音乐的动力在减弱。个性化音乐推荐是现今在线音乐服务必备的内容,也是实现音乐长尾推荐的方法。用户收听音乐的行为,如反复收听、收听过程中跳过一首歌曲、收藏一个专辑等行为,都反映了用户对音乐的喜好倾向。因此,本文根据用户收听音乐产生的日志数据,统计每个用户收听了哪些歌手,分别收听的次数,把次数转换成评分,利用个性化推荐指纹给用户推荐可能感兴趣的歌手。协同过滤推荐方法是最早提出的推荐方法,能够对机器难以进行内容过滤的信息进行过滤,在推荐系统中得到了大量应用,在商业应用上取得了不错的成绩。随着研究的深入和实际应用的需要,协同过滤与其它方法相结合,衍生出许多不同的具体算法,Slope One算法和SVD算法便是近些年兴起的著名算法。本文的研究也主要基于协同过滤推荐算法进行。本文对Last.fm数据集作了一个简要分析,得出用户收听音乐的特征,为系统的设计和算法实验提供依据。探讨了隐性反馈数据转换为评分的方法,对个性化音乐推荐系统作了个设计,并实现了部分功能,在数据集上进行了推荐实验。
【关键词】：推荐系统 个性化 Slope One SVD
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP311.52;TP391.3
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 引言10-14
• 1.1 研究背景10-11
• 1.2 国内外研究现状11-13
• 1.3 本文的工作13
• 1.4 本文结构13-14
• 第二章 音乐推荐技术综述14-28
• 2.1 基于内容的推荐14-15
• 2.2 基于关联规则的推荐15-16
• 2.3 协同过滤推荐16-22
• 2.3.1 基于用户的协同过滤推荐16-18
• 2.3.2 基于物品的协同过滤推荐18-19
• 2.3.3 基于模型的协同过滤推荐19-22
• 2.4 混合推荐22-26
• 2.5 推荐系统评价标准26-27
• 2.6 本章小结27-28
• 第三章 个性化音乐推荐需求分析和系统设计28-44
• 3.1 需求分析28-31
• 3.1.1 系统功能需求29-30
• 3.1.2 系统性能需求30
• 3.1.3 数据要求分析30-31
• 3.2 系统设计31-43
• 3.2.1 总体架构设计32-33
• 3.2.2 推荐模块设计33-36
• 3.2.3 数据模型设计36-39
• 3.2.4 接口设计39
• 3.2.5 数据库设计39-43
• 3.3 本章小结43-44
• 第四章 系统实现与测试44-72
• 4.1 系统实现44-58
• 4.1.1 数据预处理模块实现44-51
• 4.1.2 Slope One模块实现51-56
• 4.1.3 SVD模块实现56-58
• 4.2 系统模块测试58-70
• 4.2.1 测试数据集59
• 4.2.2 数据预处理模块测试及数据分析59-64
• 4.2.3 Slope One模块测试64-67
• 4.2.4 SVD模块测试67-70
• 4.3 测试结果分析70-71
• 4.4 本章小结71-72
• 第五章 总结和展望72-74
• 致谢74-75
• 参考文献75-78

【参考文献】

中国硕士学位论文全文数据库 前1条

1 林德军;基于Slope One改进算法推荐模型的设计与实现[D];北京邮电大学;2013年

  本文关键词：音乐推荐系统的设计和实现，由笔耕文化传播整理发布。

本文编号：275835