互聯(lián)網(wǎng)信息的飛速發(fā)展和音頻視頻壓縮等技術(shù)的出現(xiàn),使得數(shù)以億計的用戶可以訪問各式各樣的資源。在信息爆炸的時代,內(nèi)容提供商需要解決如何有效地向用戶推送符合用戶喜好信息的問題,推薦系統(tǒng)因此應(yīng)運而生。推薦系統(tǒng)是一種信息過濾系統(tǒng),通過從大量數(shù)據(jù)集中過濾多余信息的方法,利用算法精確定位用戶的偏向喜好,向目標用戶推薦其可能喜歡的新的相關(guān)內(nèi)容。其中,推薦系統(tǒng)的一個重要應(yīng)用就是音樂推薦系統(tǒng)。推送的結(jié)果好壞不僅決定了用戶使用體驗度,也是衡量一個音樂資源提供商實力的標準,并且也很大程度地推動了音樂文化的發(fā)展�，F(xiàn)有的音樂推薦系統(tǒng)方法還過于單一,收集的大量用戶行為數(shù)據(jù)的價值沒有被充分挖掘利用,推薦效果還有待提升。另外每個音樂用戶都有屬于自己的私人歌單,歌單中的歌曲呈順序排列,如何把這種上下文關(guān)系與推薦算法結(jié)合起來也是一個有待解決的問題。機器學習是一門近幾年來研究的熱點,在銀行、保險、交通、生物、醫(yī)學等領(lǐng)域有著十分廣泛的應(yīng)用。而將機器學習算法應(yīng)用到音樂推薦領(lǐng)域可以充分地挖掘數(shù)據(jù)價值,更好地為用戶提供服務(wù),提升平臺實力,推動音樂文化的發(fā)展。機器學習算法種類繁多,不同的算法在不同的數(shù)據(jù)集上的效果不相同,對不同的算法的... 

【文章來源】：廣東工業(yè)大學廣東省

【文章頁數(shù)】：81 頁

【學位級別】：碩士

【部分圖文】：

推薦系統(tǒng)的通用模型

當人們想向用戶推薦某些音樂時，最合乎邏輯的做法是找到興趣相似的人，分析他們的行為，并向用戶推薦與之興趣相似的用戶喜好其他音樂�；蛘呖梢圆榭从脩粝埠玫母枨缬脩糁笆詹剡^的歌曲，如果每兩首歌曲之間的受眾人群越相似，則把歌曲推薦給各自人群中還未聽過其中一首歌曲的人。這種通過尋找相似人群/項目集合的推薦方法，稱之為協(xié)同過濾推薦算法（Collaborative FilterinRecommendations，CF）。協(xié)同過濾是最常用的推薦算法之一，其中的兩種基本方法如圖 2-2 所示：分別為基于用戶的協(xié)同過濾（User-based Collaborative Filtering）和基于項目的協(xié)同過濾（Item-basedCollaborativeFiltering）[4]。在采用這兩種基本方法的時候，此推薦引擎都有兩個步驟：（1）找出數(shù)據(jù)庫中有多少用戶/項目與給定的用戶/項目相似。（2）評估其他用戶/項目，以預(yù)測您將給該產(chǎn)品的用戶提供什么級別，給定與該級別更相似的用戶/項目的總權(quán)重。

User-Item評分圖

【參考文獻】：
期刊論文
[1]XGBoost算法在電子商務(wù)商品推薦中的應(yīng)用[J]. 張昊,紀宏超,張紅宇.  物聯(lián)網(wǎng)技術(shù). 2017(02)
[2]基于LDA模型的音樂推薦算法[J]. 李博,陳志剛,黃瑞,鄭祥云.  計算機工程. 2016(06)
[3]音樂個性化推薦系統(tǒng)研究綜述[J]. 譚學清,何珊.  現(xiàn)代圖書情報技術(shù). 2014(09)
[4]移動推薦系統(tǒng)及其應(yīng)用[J]. 孟祥武,胡勛,王立才,張玉潔.  軟件學報. 2013(01)
[5]音樂推薦系統(tǒng)及相關(guān)技術(shù)研究[J]. 陳雅茜.  計算機工程與應(yīng)用. 2012(18)
[6]個性化推薦系統(tǒng)綜述[J]. 王國霞,劉賀平.  計算機工程與應(yīng)用. 2012(07)
[7]基于矩陣分解與用戶近鄰模型的協(xié)同過濾推薦算法[J]. 楊陽,向陽,熊磊.  計算機應(yīng)用. 2012(02)
[8]基于機器學習的中文微博情感分類實證研究[J]. 劉志明,劉魯.  計算機工程與應(yīng)用. 2012(01)
[9]上下文感知推薦系統(tǒng)[J]. 王立才,孟祥武,張玉潔.  軟件學報. 2012(01)
[10]推薦算法綜述[J]. 楊博,趙鵬飛.  山西大學學報(自然科學版). 2011(03)

博士論文
[1]基于深度神經(jīng)網(wǎng)絡(luò)的文本表示及其應(yīng)用[D]. 戶保田.哈爾濱工業(yè)大學 2016
[2]基于協(xié)同過濾的推薦算法研究[D]. 劉青文.中國科學技術(shù)大學 2013
[3]基于Latent SVM的人體目標檢測與跟蹤方法研究[D]. 胡振邦.中國地質(zhì)大學 2013
[4]推薦系統(tǒng)關(guān)鍵技術(shù)研究[D]. 任磊.華東師范大學 2012

碩士論文
[1]基于梯度提升決策樹的患者30天再入院預(yù)測模型研究[D]. 杜國棟.昆明理工大學 2018
[2]基于深度神經(jīng)網(wǎng)絡(luò)的視頻個性化推薦系統(tǒng)研究[D]. 高睿.深圳大學 2017
[3]個性化音樂推薦算法的研究與實現(xiàn)[D]. 金蕾.山東大學 2017
[4]基于機器學習的推薦技術(shù)研究[D]. 孟曉龍.吉林大學 2016
[5]基于混合模式的個性化音樂推薦系統(tǒng)的研究與實現(xiàn)[D]. 孔云.華中師范大學 2016
[6]移動用戶行為感知的音樂推薦系統(tǒng)研究與實現(xiàn)[D]. 王然.北京工業(yè)大學 2016
[7]基于Word2Vec主題提取的微博推薦[D]. 朱雪梅.北京理工大學 2014
[8]基于音樂基因的混合音樂推薦系統(tǒng)的設(shè)計與實現(xiàn)[D]. 鐘偉.安徽大學 2014
[9]一種基于多維時間序列分析的音樂推薦系統(tǒng)研究與實現(xiàn)[D]. 王守濤.南京大學 2014
[10]基于協(xié)同過濾算法的音樂推薦系統(tǒng)[D]. 隋占麗.華僑大學 2013



本文編號：3303072