基于精彩评论的混合音乐推荐系统研究

发布时间：2021-04-09 15:22

　　互联网经过这几年的迅猛发展,已经与各行各业产生了千丝万缕的联系。各种形式的数据,比如文字,图片,数字,视频,语音等都会被记录下来,在互联网的大海中传播开来。互联网的发展也同时带来了信息过载的问题,从纷繁复杂的网络大海中如何才能筛选出用户感兴趣的信息是人们一直研究的热门话题。随着近几年大数据,人工智能的发展,推荐系统越来越多地应用在了各行各业。推荐系统通过分析大量的用户的历史浏览,交互日志数据,找出用户可能感兴趣的物品推荐给用户,或者找出与用户兴趣相似的人,然后将这些人喜欢的物品推荐给用户。经过前辈们的不断探索和研究,推荐系统已经发展较为成熟,主要有基于用户/物品的协同过滤技术,基于模型的协同过滤,还有基于内容或知识的推荐,以及各种混合模式的推荐技术。推荐系统同样运用在了音乐领域。音乐已经成为现代生化中不可或缺的娱乐元素,很多人的兴趣爱好都有喜欢听音乐,你可能不会唱,但你一定会听。市场上有很多音乐应用,每个应用都构建了自己独特完善的推荐系统。比较出名的有国外的Pandora Radio（潘多拉电台）,其推荐系统的核心是一项叫做“音乐基因组计划”的项目,音乐基因组计划旨在“用最基本的水平捕... 

【文章来源】：云南财经大学云南省

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

亚马逊的推荐窗口与“基于用户的协作过滤”计算两个用户之间的相似性一样，我们可以用同样的

整体式混合设计

图 2.4 并行式混合设计流水线混合的实现是将整个流程分为多个阶段，多种技术顺序作用，每个段的输出可以作为下一阶段的输入，也可以给出一个推荐列表供后面的步骤做一步优化。

【参考文献】：
期刊论文
[1]《网易云音乐》更新5.0版本 个性化推荐应用提升[J]. 毛娟.  计算机与网络. 2018(06)
[2]协同过滤推荐技术综述[J]. 冷亚军,陆青,梁昌勇.  模式识别与人工智能. 2014(08)
[3]用于大数据分类的KNN算法研究[J]. 耿丽娟,李星毅.  计算机应用研究. 2014(05)
[4]从Last.fm看新一代音乐社交网站的走向[J]. 李炜.  中国传媒科技. 2013(02)
[5]基于Python的Web数据采集技术[J]. 齐鹏,李隐峰,宋玉伟.  电子科技. 2012(11)
[6]潘多拉来了[J]. 刘燕.  IT经理世界. 2011(19)
[7]互联网推荐系统比较研究[J]. 许海玲,吴潇,李晓东,阎保平.  软件学报. 2009(02)
[8]个性化推荐系统的研究进展[J]. 刘建国,周涛,汪秉宏.  自然科学进展. 2009(01)
[9]适应用户兴趣变化的协同过滤推荐算法[J]. 邢春晓,高凤荣,战思南,周立柱.  计算机研究与发展. 2007(02)
[10]适合于科学计算的脚本语言Python[J]. 沈殊璇,薄亚明.  微计算机应用. 2002(05)

博士论文
[1]基于协同过滤的推荐算法研究[D]. 刘青文.中国科学技术大学 2013

硕士论文
[1]网易云音乐用户行为调查报告[D]. 迟源.河南工业大学 2018
[2]个性化音乐推荐系统的设计与实现[D]. 艾笔.电子科技大学 2018
[3]基于混合模式的个性化音乐推荐系统的研究与实现[D]. 孔云.华中师范大学 2016
[4]云环境下基于社交信息的音乐推荐系统设计与实现[D]. 刘冉冉.北京邮电大学 2016
[5]基于Web的Python编程环境研究[D]. 刘志凯.新疆农业大学 2015
[6]音乐推荐系统关键技术的研究与实现[D]. 刘洁.湖南大学 2015
[7]基于大数据分析的推荐系统研究[D]. 房璐璐.北京邮电大学 2015
[8]基于音乐基因的混合音乐推荐系统的设计与实现[D]. 钟伟.安徽大学 2014
[9]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：3127861