互聯(lián)網(wǎng)時(shí)代為人們提供了多元化的網(wǎng)絡(luò)服務(wù),音樂(lè)服務(wù)是其中之一,各大音樂(lè)網(wǎng)站提供了海量的歌曲滿(mǎn)足人們的音樂(lè)需求。隨著追求個(gè)性化的90后成為互聯(lián)網(wǎng)的消費(fèi)主力,音樂(lè)服務(wù)的個(gè)性化將打開(kāi)更加廣闊的市場(chǎng)。國(guó)內(nèi)外各種流派的音樂(lè)數(shù)以?xún)|記,用戶(hù)和音樂(lè)之間存在嚴(yán)重的信息不對(duì)稱(chēng)問(wèn)題。推薦系統(tǒng)作為信息過(guò)濾系統(tǒng)的一個(gè)分支,可以預(yù)測(cè)用戶(hù)的喜好,增加流量并帶動(dòng)消費(fèi),個(gè)性化的音樂(lè)推薦系統(tǒng)能夠有效的發(fā)掘長(zhǎng)尾,主動(dòng)為人們提供喜愛(ài)的音樂(lè)列表。在音樂(lè)領(lǐng)域,主流的推薦系統(tǒng)算法又以基于內(nèi)容的推薦算法和基于協(xié)同過(guò)濾的算法作為代表,他們各有優(yōu)劣,形成互補(bǔ),為本文的設(shè)計(jì)提供了良好的思路。本文設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)基于標(biāo)簽的個(gè)性化音樂(lè)推薦系統(tǒng),旨在為用戶(hù)提供符合其興趣愛(ài)好的個(gè)性化音樂(lè)列表。首先對(duì)音樂(lè)推薦的國(guó)內(nèi)外現(xiàn)狀發(fā)展進(jìn)行了總結(jié),對(duì)現(xiàn)有的推薦算法進(jìn)行了研究和分析,研究了基于標(biāo)簽的協(xié)同過(guò)濾算法并在此基礎(chǔ)上進(jìn)行了改進(jìn),設(shè)計(jì)了基于有向標(biāo)簽的協(xié)同過(guò)濾算法,然后設(shè)計(jì)了相關(guān)實(shí)驗(yàn)驗(yàn)證了該算法具有良好的性能。接著對(duì)個(gè)性化音樂(lè)推薦系統(tǒng)進(jìn)行了詳細(xì)的需求分析并據(jù)此設(shè)計(jì)出了系統(tǒng)的整體架構(gòu),對(duì)各功能模塊進(jìn)行了詳細(xì)的設(shè)計(jì),最后實(shí)現(xiàn)了個(gè)性化音樂(lè)推薦系統(tǒng),本文主要研究如下:（... 

【文章頁(yè)數(shù)】：103 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 選題背景與意義
    1.2 國(guó)內(nèi)外發(fā)展現(xiàn)狀
    1.3 論文主要研究?jī)?nèi)容
    1.4 論文組織結(jié)構(gòu)
第二章 相關(guān)理論與技術(shù)
    2.1 推薦系統(tǒng)
        2.1.1 長(zhǎng)尾理論
        2.1.2 評(píng)測(cè)指標(biāo)
    2.2 主題模型
        2.2.1 參數(shù)貝葉斯模型
        2.2.2 非參數(shù)貝葉斯模型
    2.3 基于內(nèi)容的推薦算法
        2.3.1 算法流程
        2.3.2 樸素貝葉斯分類(lèi)器
    2.4 基于協(xié)同過(guò)濾的推薦算法
        2.4.1 基于領(lǐng)域知識(shí)的協(xié)同過(guò)濾算法
        2.4.2 基于領(lǐng)域的協(xié)同過(guò)濾算法三要素
    2.5 本章小結(jié)
第三章 基于標(biāo)簽的個(gè)性化音樂(lè)推薦算法研究
    3.1 基于標(biāo)簽的協(xié)同過(guò)濾算法簡(jiǎn)介
    3.2 基于有向標(biāo)簽的協(xié)同過(guò)濾算法設(shè)計(jì)
    3.3 基于有向標(biāo)簽的協(xié)同過(guò)濾算法詳述
        3.3.1 獲取標(biāo)簽
        3.3.2 將標(biāo)簽與用戶(hù)、音樂(lè)關(guān)聯(lián)
        3.3.3 特征建模
        3.3.4 音樂(lè)聚類(lèi)
        3.3.5 音樂(lè)推薦
    3.4 基于有向標(biāo)簽的協(xié)同過(guò)濾算法總結(jié)
    3.5 基于LDA-MURE模型的推薦算法
    3.6 算法實(shí)驗(yàn)
        3.6.1 實(shí)驗(yàn)數(shù)據(jù)
        3.6.2 實(shí)驗(yàn)設(shè)計(jì)
        3.6.3 結(jié)果與分析
    3.7 本章小結(jié)
第四章 系統(tǒng)需求分析
    4.1 系統(tǒng)總體概述
        4.1.1 系統(tǒng)整體需求描述
        4.1.2 系統(tǒng)功能需求描述
        4.1.3 系統(tǒng)用戶(hù)需求描述
    4.2 系統(tǒng)模塊需求分析
        4.2.1 數(shù)據(jù)層需求分析
        4.2.2 顯示層需求分析
        4.2.3 算法實(shí)體需求分析
        4.2.4 音樂(lè)檢索模塊需求分析
    4.3 系統(tǒng)非功能性需求
    4.4 本章小結(jié)
第五章 系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
    5.1 系統(tǒng)整體架構(gòu)設(shè)計(jì)
    5.2 數(shù)據(jù)模塊設(shè)計(jì)
        5.2.1 網(wǎng)絡(luò)爬蟲(chóng)設(shè)計(jì)
        5.2.2 數(shù)據(jù)存儲(chǔ)設(shè)計(jì)
    5.3 推薦引擎的設(shè)計(jì)
    5.4 系統(tǒng)基礎(chǔ)功能的實(shí)現(xiàn)
        5.4.1 用戶(hù)登錄
        5.4.2 音樂(lè)播放控制
        5.4.3 音樂(lè)播放列表
        5.4.4 音樂(lè)檢索
        5.4.5 音樂(lè)評(píng)論
    5.5 系統(tǒng)推薦功能的實(shí)現(xiàn)
        5.5.1 音樂(lè)標(biāo)簽的獲取
        5.5.2 生成特征有向圖
        5.5.3 音樂(lè)聚類(lèi)劃分
        5.5.4 計(jì)算音樂(lè)與用戶(hù)興趣的相似度
        5.5.5 生成音樂(lè)推薦列表
    5.6 本章小節(jié)
第六章 系統(tǒng)測(cè)試
    6.1 系統(tǒng)功能性測(cè)試
    6.2 系統(tǒng)非功能性測(cè)試
    6.3 本章小結(jié)
第七章 總結(jié)與展望
    7.1 全文總結(jié)
    7.2 后續(xù)工作展望
致謝
參考文獻(xiàn)


【參考文獻(xiàn)】：
期刊論文
[1]TEFRCF:標(biāo)簽熵特征表示的協(xié)同過(guò)濾個(gè)性化推薦算法[J]. 何明,楊芃,要?jiǎng)P升,張久伶.  計(jì)算機(jī)科學(xué). 2018(S1)
[2]推薦系統(tǒng)冷啟動(dòng)問(wèn)題解決策略研究[J]. 喬雨,李玲娟.  計(jì)算機(jī)技術(shù)與發(fā)展. 2018(02)
[3]基于標(biāo)簽優(yōu)化的協(xié)同過(guò)濾推薦算法[J]. 張景龍,黃夢(mèng)醒,張雨,吳慶州.  計(jì)算機(jī)應(yīng)用研究. 2018(10)
[4]基于標(biāo)簽簇多構(gòu)面信任關(guān)系的個(gè)性化推薦算法研究[J]. 陳梅梅,薛康杰.  數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn). 2017(05)
[5]基于LDA模型的音樂(lè)推薦算法[J]. 李博,陳志剛,黃瑞,鄭祥云.  計(jì)算機(jī)工程. 2016(06)
[6]個(gè)性化推薦系統(tǒng)研究[J]. 顧麗敏.  無(wú)線互聯(lián)科技. 2013(08)

碩士論文
[1]混合用戶(hù)行為建模的概率矩陣分解推薦算法[D]. 倪澤明.浙江大學(xué) 2015



本文編號(hào)：3689110