本文關鍵詞：移動設備端音樂推薦算法設計，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著數(shù)字音樂的迅猛發(fā)展,音樂信息過載問題日益突出,個性化音樂推薦作為解決音樂信息過載問題的有效技術手段,得到廣泛的關注與研究。傳統(tǒng)的個性化音樂推薦系統(tǒng),由服務器端根據(jù)用戶的歷史使用數(shù)據(jù),運用不同的個性化推薦算法,為用戶提供個性化服務。但在移動設備應用中,特別是如無線車載設備速度較快或者手機信號不好的時候,點播或者切換音樂常常響應緩慢,服務器端無法及時響應用戶的需求變化,而且由于服務器端的推送,會造成音樂文件的緩沖,這些緩沖在與用戶喜好度不匹配時,又會造成不必要的流量浪費�；诖�,本文將個性化推薦方法延伸到移動設備端,根據(jù)用戶在移動設備端的使用記錄與反饋記錄,在移動設備端按照音樂組別和計算得到的用戶喜好度,為用戶做個性化音樂推薦,同時移動端不斷接收用戶在不同音樂組別中收聽音樂時的反饋數(shù)據(jù),設計了一種動態(tài)調(diào)整算法來實時調(diào)整各音樂組別的匹配度權值,再根據(jù)權值大小對不同組別內(nèi)的音樂文件進行適度的預取,使用戶在切換歌曲和組別時能減少等待時間,平滑收聽音樂,并節(jié)約網(wǎng)絡流量�；谡撐乃岢龅膫�性化音樂推薦方法完成了音樂APP的設計與實現(xiàn),該音樂APP集成在武漢陽光卡卡科技有限公司的車載產(chǎn)品小馬嗒嗒中。通過對比分析測試用戶的收聽與反饋數(shù)據(jù),使用了包含本音樂推薦方法的音樂推薦應用系統(tǒng)在減少等待時間、節(jié)約數(shù)據(jù)流量方面表現(xiàn)更好,推薦系統(tǒng)的命中率提升了11%,證實了本方法的有效性。由于本方法中音樂組別初始權值的設置采用的是專家評分法,實際上多數(shù)情況下與用戶喜好度并不一致,因此會在起始階段造成權值收斂較慢的問題。另一方面,人們對音樂的喜好因時因地會不斷變化,如何既能長期跟蹤分析用戶喜好度,又能適度給出新鮮的推薦是未來需要進一步研究的課題。
【關鍵詞】：個性化音樂推薦 音樂群組 權值調(diào)整 音樂預取
【學位授予單位】：湖北工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.3
【目錄】：

• 摘要4-5
• Abstract5-8
• 第1章 引言8-18
• 1.1 論文研究背景和意義8-11
• 1.2 個性化推薦概述11-13
• 1.3 音樂推薦研究現(xiàn)狀13-14
• 1.4 移動環(huán)境下推薦的特點14-16
• 1.5 主要研究內(nèi)容16
• 1.6 論文組織結構16-18
• 第2章 音樂推薦算法分析設計18-33
• 2.1 算法需求分析18
• 2.2 音樂分組18-24
• 2.2.1 音樂特征的提取與選擇19-21
• 2.2.2 音樂分組的方法和結果21-24
• 2.3 權值動態(tài)調(diào)整24-30
• 2.3.1 音樂組別初始權值的確定24-25
• 2.3.2 音樂組別權值的動態(tài)調(diào)整25-30
• 2.4 音樂預取與管理30-32
• 2.5 本章小結32-33
• 第3章 系統(tǒng)設計與實現(xiàn)33-47
• 3.1 音樂推薦系統(tǒng)架構35-37
• 3.2 移動端APP結構37-42
• 3.3 與服務器信息交互42-43
• 3.4 音樂播放流程與實現(xiàn)43-45
• 3.5 數(shù)據(jù)庫設計45-46
• 3.6 本章小結46-47
• 第4章 測試結果與分析47-54
• 4.1 測試數(shù)據(jù)47-48
• 4.2 數(shù)據(jù)分析48-53
• 4.3 結論53
• 4.4 本章小結53-54
• 第5章 總結與展望54-56
• 5.1 論文總結54-55
• 5.2 研究展望55-56
• 參考文獻56-58
• 致謝58-59
• 附錄59

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 徐義峰;徐云青;劉曉平;;一種基于時間序列性的推薦算法[J];計算機系統(tǒng)應用;2006年10期

2 余小鵬;;一種基于多層關聯(lián)規(guī)則的推薦算法研究[J];計算機應用;2007年06期

3 張海玉;劉志都;楊彩;賈松浩;;基于頁面聚類的推薦算法的改進[J];計算機應用與軟件;2008年09期

4 張立燕;;一種基于用戶事務模式的推薦算法[J];福建電腦;2009年03期

5 王晗;夏自謙;;基于蟻群算法和瀏覽路徑的推薦算法研究[J];中國科技信息;2009年07期

6 周珊丹;周興社;王海鵬;倪紅波;張桂英;苗強;;智能博物館環(huán)境下的個性化推薦算法[J];計算機工程與應用;2010年19期

7 王文;;個性化推薦算法研究[J];電腦知識與技術;2010年16期

8 張愷;秦亮曦;寧朝波;李文閣;;改進評價估計的混合推薦算法研究[J];微計算機信息;2010年36期

9 夏秀峰;代沁;叢麗暉;;用戶顯意識下的多重態(tài)度個性化推薦算法[J];計算機工程與應用;2011年16期

10 楊博;趙鵬飛;;推薦算法綜述[J];山西大學學報(自然科學版);2011年03期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 王韜丞;羅喜軍;杜小勇;;基于層次的推薦:一種新的個性化推薦算法[A];第二十四屆中國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2007年

2 唐燦;;基于模糊用戶心理模式的個性化推薦算法[A];2008年計算機應用技術交流會論文集[C];2008年

3 秦國;杜小勇;;基于用戶層次信息的協(xié)同推薦算法[A];第二十一屆中國數(shù)據(jù)庫學術會議論文集（技術報告篇）[C];2004年

4 周玉妮;鄭會頌;;基于瀏覽路徑選擇的蟻群推薦算法:用于移動商務個性化推薦系統(tǒng)[A];社會經(jīng)濟發(fā)展轉型與系統(tǒng)工程——中國系統(tǒng)工程學會第17屆學術年會論文集[C];2012年

5 蘇日啟;胡皓;汪秉宏;;基于網(wǎng)絡的含時推薦算法[A];第五屆全國復雜網(wǎng)絡學術會議論文（摘要）匯集[C];2009年

6 梁莘q

本文編號：377578