本文關(guān)鍵詞：音樂推薦系統(tǒng)的設(shè)計和實現(xiàn)，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著互聯(lián)網(wǎng)的飛速發(fā)展,網(wǎng)上信息大量增加,面對海量信息,用戶要從網(wǎng)上查找到感興趣的內(nèi)容變得越來越困難。傳統(tǒng)搜索引擎能為人們過濾一部分無關(guān)信息,但網(wǎng)上具有相同關(guān)鍵字的信息太多,從搜索結(jié)果中發(fā)現(xiàn)感興趣的內(nèi)容仍是一件費(fèi)時費(fèi)力的事情,在百度搜索“推薦系統(tǒng)”,找到的相關(guān)結(jié)果有1億個。而且,傳統(tǒng)搜索方式只會找到具有搜索關(guān)鍵字的內(nèi)容,卻不能發(fā)現(xiàn)與之關(guān)系緊密,又沒有類似關(guān)鍵字的信息。音樂是人們生活中不可或缺的一項娛樂內(nèi)容,網(wǎng)絡(luò)的便捷性讓在線音樂快速發(fā)展,音樂推薦成了個性化推薦系統(tǒng)中一個重要組成部分,國內(nèi)外各式各樣的在線音樂服務(wù)不斷涌現(xiàn),國內(nèi)近年來興起的YY語音、網(wǎng)易云音樂、Jing.fm等都是此類代表。網(wǎng)絡(luò)狀況的改善,讓用戶越來越習(xí)慣于隨聽隨播的收聽方式,主動發(fā)現(xiàn)音樂的動力在減弱。個性化音樂推薦是現(xiàn)今在線音樂服務(wù)必備的內(nèi)容,也是實現(xiàn)音樂長尾推薦的方法。用戶收聽音樂的行為,如反復(fù)收聽、收聽過程中跳過一首歌曲、收藏一個專輯等行為,都反映了用戶對音樂的喜好傾向。因此,本文根據(jù)用戶收聽音樂產(chǎn)生的日志數(shù)據(jù),統(tǒng)計每個用戶收聽了哪些歌手,分別收聽的次數(shù),把次數(shù)轉(zhuǎn)換成評分,利用個性化推薦指紋給用戶推薦可能感興趣的歌手。協(xié)同過濾推薦方法是最早提出的推薦方法,能夠?qū)C(jī)器難以進(jìn)行內(nèi)容過濾的信息進(jìn)行過濾,在推薦系統(tǒng)中得到了大量應(yīng)用,在商業(yè)應(yīng)用上取得了不錯的成績。隨著研究的深入和實際應(yīng)用的需要,協(xié)同過濾與其它方法相結(jié)合,衍生出許多不同的具體算法,Slope One算法和SVD算法便是近些年興起的著名算法。本文的研究也主要基于協(xié)同過濾推薦算法進(jìn)行。本文對Last.fm數(shù)據(jù)集作了一個簡要分析,得出用戶收聽音樂的特征,為系統(tǒng)的設(shè)計和算法實驗提供依據(jù)。探討了隱性反饋數(shù)據(jù)轉(zhuǎn)換為評分的方法,對個性化音樂推薦系統(tǒng)作了個設(shè)計,并實現(xiàn)了部分功能,在數(shù)據(jù)集上進(jìn)行了推薦實驗。
【關(guān)鍵詞】：推薦系統(tǒng) 個性化 Slope One SVD
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TP311.52;TP391.3
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 引言10-14
• 1.1 研究背景10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-13
• 1.3 本文的工作13
• 1.4 本文結(jié)構(gòu)13-14
• 第二章 音樂推薦技術(shù)綜述14-28
• 2.1 基于內(nèi)容的推薦14-15
• 2.2 基于關(guān)聯(lián)規(guī)則的推薦15-16
• 2.3 協(xié)同過濾推薦16-22
• 2.3.1 基于用戶的協(xié)同過濾推薦16-18
• 2.3.2 基于物品的協(xié)同過濾推薦18-19
• 2.3.3 基于模型的協(xié)同過濾推薦19-22
• 2.4 混合推薦22-26
• 2.5 推薦系統(tǒng)評價標(biāo)準(zhǔn)26-27
• 2.6 本章小結(jié)27-28
• 第三章 個性化音樂推薦需求分析和系統(tǒng)設(shè)計28-44
• 3.1 需求分析28-31
• 3.1.1 系統(tǒng)功能需求29-30
• 3.1.2 系統(tǒng)性能需求30
• 3.1.3 數(shù)據(jù)要求分析30-31
• 3.2 系統(tǒng)設(shè)計31-43
• 3.2.1 總體架構(gòu)設(shè)計32-33
• 3.2.2 推薦模塊設(shè)計33-36
• 3.2.3 數(shù)據(jù)模型設(shè)計36-39
• 3.2.4 接口設(shè)計39
• 3.2.5 數(shù)據(jù)庫設(shè)計39-43
• 3.3 本章小結(jié)43-44
• 第四章 系統(tǒng)實現(xiàn)與測試44-72
• 4.1 系統(tǒng)實現(xiàn)44-58
• 4.1.1 數(shù)據(jù)預(yù)處理模塊實現(xiàn)44-51
• 4.1.2 Slope One模塊實現(xiàn)51-56
• 4.1.3 SVD模塊實現(xiàn)56-58
• 4.2 系統(tǒng)模塊測試58-70
• 4.2.1 測試數(shù)據(jù)集59
• 4.2.2 數(shù)據(jù)預(yù)處理模塊測試及數(shù)據(jù)分析59-64
• 4.2.3 Slope One模塊測試64-67
• 4.2.4 SVD模塊測試67-70
• 4.3 測試結(jié)果分析70-71
• 4.4 本章小結(jié)71-72
• 第五章 總結(jié)和展望72-74
• 致謝74-75
• 參考文獻(xiàn)75-78

【參考文獻(xiàn)】

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 林德軍;基于Slope One改進(jìn)算法推薦模型的設(shè)計與實現(xiàn)[D];北京郵電大學(xué);2013年

  本文關(guān)鍵詞：音樂推薦系統(tǒng)的設(shè)計和實現(xiàn)，由筆耕文化傳播整理發(fā)布。

本文編號：275835