本文關(guān)鍵詞：個(gè)性化音樂推薦系統(tǒng)的研究與實(shí)現(xiàn)

  更多相關(guān)文章： 推薦系統(tǒng) 音樂推薦 歌詞語義 協(xié)同過濾 Hadoop

【摘要】：在互聯(lián)網(wǎng)時(shí)代,各類音樂網(wǎng)站極大的方便了人們對于音樂的需求。然而,大型的音樂門戶網(wǎng)站能夠保存上千萬首歌曲,在面對如此海量的音樂信息時(shí),人們往往難以從中找到符合自己“口味”的歌曲。傳統(tǒng)的搜索引擎只適合應(yīng)用在用戶有明確的目標(biāo)并且能夠用關(guān)鍵詞準(zhǔn)確的表達(dá)出來的信息檢索問題。同時(shí),音樂是一個(gè)典型的具有“LongTail”(長尾)現(xiàn)象的物品——只有極少部分的歌曲會(huì)被用戶下載,絕大部分音樂往往無人問津。因此,個(gè)性化音樂推薦系統(tǒng)正是為了在沒有明確需求的情況下,挖掘處于長尾部分音樂,幫助人們找到其喜愛的歌曲。 推薦系統(tǒng)是信息過濾(information filtering)系統(tǒng)的一種,它的主要功能是預(yù)測用戶對某個(gè)物品的喜愛程度。在個(gè)性化音樂推薦領(lǐng)域,主流的推薦方法有兩類,一是基于內(nèi)容的推薦,二是基于協(xié)同的推薦。其中,正確的計(jì)算音樂之間的相似度是這兩類推薦方法的關(guān)鍵所在。然而,這兩種方法都存在某些不足之處,如基于內(nèi)容的推薦存在推薦準(zhǔn)確率不高的問題,基于協(xié)同的推薦傾向于為用戶推薦熱門的歌曲。 本文通過對這兩類推薦算法較為全面和深入的分析,發(fā)現(xiàn)這兩類算法之間的存在一定的互補(bǔ)關(guān)系。因此,本文提出了一種將基于內(nèi)容和基于協(xié)同過濾相混合的推薦算法——語義增強(qiáng)型的協(xié)同過濾算法。本算法首先分析了歌詞中隱含的語義信息,并計(jì)算歌曲歌詞之間的語義相似度,然后基于用戶的音樂下載歷史計(jì)算歌曲的共現(xiàn)相似度。因?yàn)楦柙~代表著一首歌曲想要傳達(dá)給聽眾的思想感情,所以通過結(jié)合這兩種不同的相似度信息,本推薦算法可以改善基于協(xié)同過濾算法的不足之處。本文研究對象是帶有歌詞的歌曲,在后文中,音樂、歌曲都指代含有歌詞的一類歌曲。 本文開發(fā)的個(gè)性化音樂推薦系統(tǒng)的核心算法就是語義增強(qiáng)型的協(xié)同過濾算法。經(jīng)試驗(yàn)證明,在推薦冷門音樂時(shí),本文提出的混合推薦算法比純粹的基于內(nèi)容和基于協(xié)同的推薦方法都更加有效。為滿足當(dāng)前為龐大用戶群推薦海量音樂的需求,本系統(tǒng)在開發(fā)時(shí)使用了目前主流的大數(shù)據(jù)分布式計(jì)算平臺(tái)Hadoop。借助Hadoop優(yōu)異的擴(kuò)展性經(jīng)實(shí)驗(yàn)證明本推薦系統(tǒng)能夠有效的完成幾十萬用戶的計(jì)算工作 本文主要的研究工作如下： 首先,研究用戶的歌曲下載數(shù)據(jù),根據(jù)歌曲下載次數(shù)的分布,將歌曲分為熱門音樂和冷門音樂兩類,更加細(xì)致、有針對性的分析推薦算法的推薦性能。然后,較為深入和全面的研究個(gè)性化推薦領(lǐng)域的主流算法基本原理,在分析算法的優(yōu)點(diǎn)和不足基礎(chǔ)上,本文提出了語義增強(qiáng)型的協(xié)同過濾算法。本算法在傳統(tǒng)的協(xié)同過濾算法中引入了歌曲歌詞的語義信息,以此緩解協(xié)同過濾算法的不足。經(jīng)試驗(yàn)證明取得了較好的成果。其次,使用Hadoop相關(guān)技術(shù)實(shí)現(xiàn)語義增強(qiáng)型的協(xié)同過濾算法,使推薦算法能夠完成大規(guī)模的用戶推薦計(jì)算。
【關(guān)鍵詞】：推薦系統(tǒng) 音樂推薦 歌詞語義 協(xié)同過濾 Hadoop
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TP391.3
【目錄】：

• 摘要4-6
• ABSTRACT6-8
• 目錄8-10
• 第一章 緒論10-14
• 1.1 推薦系統(tǒng)的研究背景10
• 1.2 個(gè)性化音樂推薦系統(tǒng)的研究意義10-11
• 1.3 推薦系統(tǒng)的研究現(xiàn)狀11-12
• 1.4 本文主要研究工作12
• 1.5 論文組織結(jié)構(gòu)12-14
• 第二章 推薦系統(tǒng)方法及原理綜述14-27
• 2.1 推薦系統(tǒng)簡介14-16
• 2.2 基于內(nèi)容的推薦系統(tǒng)16-20
• 2.2.1 向量空間模型與余弦相似度17-18
• 2.2.2 樸素貝葉斯分類器18-20
• 2.3 基于協(xié)同過濾的推薦系統(tǒng)20-26
• 2.3.1 基于鄰域的協(xié)同過濾算法22-23
• 2.3.2 基于鄰域的協(xié)同過濾算法三個(gè)關(guān)鍵點(diǎn)23-25
• 2.3.3 基于模型的協(xié)同過濾算法25-26
• 2.4 本章小結(jié)26-27
• 第三章 語義增強(qiáng)型協(xié)同過濾算法的研究27-46
• 3.1 用戶音樂下載數(shù)據(jù)分析27-28
• 3.2 語義增強(qiáng)型的協(xié)同過濾算法基本原理28-31
• 3.2.1 當(dāng)前主流音樂推薦算法的不足28-30
• 3.2.2 語義增強(qiáng)型協(xié)同過濾算法的基本原理和流程30-31
• 3.3 歌曲歌詞的隱語義分析31-38
• 3.3.1 歌曲歌詞在推薦系統(tǒng)中的研究意義31-32
• 3.3.2 歌詞語料庫的建立32-33
• 3.3.3 歌曲歌詞的預(yù)處理33-35
• 3.3.4 歌曲歌詞的隱語義分析原理35-38
• 3.4 歌曲的協(xié)同信息分析38-40
• 3.4.1 歌曲的協(xié)同信息定義38-39
• 3.4.2 歌曲協(xié)同信息分析原理39-40
• 3.5 用戶歌曲推薦列表計(jì)算40-41
• 3.6 語義增強(qiáng)型的協(xié)同過濾算法對比實(shí)驗(yàn)及結(jié)果分析41-44
• 3.6.1 實(shí)驗(yàn)原理及方法41-42
• 3.6.2 實(shí)驗(yàn)結(jié)果分析42-44
• 3.7 語義增強(qiáng)型的協(xié)同過濾算法總結(jié)44-45
• 3.8 本章小結(jié)45-46
• 第四章 個(gè)性化音樂推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)46-61
• 4.1 個(gè)性化音樂推薦系統(tǒng)需求分析46
• 4.2 個(gè)性化音樂推薦系統(tǒng)的設(shè)計(jì)46-51
• 4.2.1 個(gè)性化音樂推薦系統(tǒng)流程46-47
• 4.2.2 個(gè)性化音樂推薦系統(tǒng)的功能架構(gòu)47-49
• 4.2.3 個(gè)性化音樂推薦系統(tǒng)架構(gòu)49-50
• 4.2.4 個(gè)性化音樂推薦系統(tǒng)的數(shù)據(jù)庫設(shè)計(jì)50-51
• 4.3 個(gè)性化音樂推薦系統(tǒng)的實(shí)現(xiàn)51-59
• 4.3.1 Hadoop集群搭建51-52
• 4.3.2 歌詞爬蟲的實(shí)現(xiàn)和歌詞語料庫的建立52-54
• 4.3.3 語義增強(qiáng)型的協(xié)同過濾算法的實(shí)現(xiàn)54-57
• 4.3.4 WebService數(shù)據(jù)接口的實(shí)現(xiàn)57-59
• 4.4 系統(tǒng)測試59-60
• 4.5 本章小結(jié)60-61
• 第五章 總結(jié)與展望61-64
• 5.1 論文工作總結(jié)61-62
• 5.2 未來展望62-64
• 參考文獻(xiàn)64-67
• 致謝67-68
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文68

【共引文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 馬建威;徐浩;陳洪輝;;信息推薦系統(tǒng)中的朋友關(guān)系預(yù)測算法設(shè)計(jì)[J];國防科技大學(xué)學(xué)報(bào);2013年01期

2 李玲;任青;付園;陳鶴;梅圣民;;基于Hadoop的社交網(wǎng)絡(luò)服務(wù)推薦算法[J];吉林大學(xué)學(xué)報(bào)(信息科學(xué)版);2013年04期

3 黃震華;;云環(huán)境下top-n推薦算法[J];電子學(xué)報(bào);2015年01期

4 方瀟;李萌;包們;林宏波;;基于眼動(dòng)實(shí)驗(yàn)的個(gè)性化地圖推薦模型探討[J];地理空間信息;2015年01期

5 汪秉宏;周濤;周昌松;;人類行為、復(fù)雜網(wǎng)絡(luò)及信息挖掘的統(tǒng)計(jì)物理研究[J];上海理工大學(xué)學(xué)報(bào);2012年02期

6 王國霞;劉賀平;;個(gè)性化推薦系統(tǒng)綜述[J];計(jì)算機(jī)工程與應(yīng)用;2012年07期

7 李磊;王丁丁;朱順痣;李濤;;Personalized News Recommendation:A Review and an Experimental Investigation[J];Journal of Computer Science & Technology;2011年05期

8 吳逸明;;融合的協(xié)同過濾推薦算法[J];計(jì)算機(jī)與現(xiàn)代化;2011年06期

9 王宗武;;基于信任用戶聯(lián)合聚類的協(xié)同過濾算法[J];計(jì)算機(jī)與現(xiàn)代化;2013年09期

10 莫同;褚偉杰;李偉平;吳中海;;一種基于擴(kuò)展FP-TREE的服務(wù)推薦方法[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年S2期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張寅;個(gè)性化技術(shù)及其在數(shù)字圖書館中應(yīng)用的研究[D];浙江大學(xué);2009年

2 蒲海濤;物聯(lián)網(wǎng)環(huán)境下基于上下文感知的智能交互關(guān)鍵技術(shù)研究[D];山東科技大學(xué);2011年

3 方育柯;集成學(xué)習(xí)理論研究及其在個(gè)性化推薦中的應(yīng)用[D];電子科技大學(xué);2011年

4 李曉;自適應(yīng)人機(jī)交互界面研究[D];西南師范大學(xué);2004年

5 張程;面向服務(wù)環(huán)境中服務(wù)的個(gè)性化推薦[D];中國科學(xué)院研究生院（計(jì)算技術(shù)研究所）;2006年

6 王宏宇;商務(wù)推薦系統(tǒng)的設(shè)計(jì)研究[D];中國科學(xué)技術(shù)大學(xué);2007年

7 張磊;基于本體的主動(dòng)式知識(shí)系統(tǒng)及其若干關(guān)鍵技術(shù)研究[D];南京航空航天大學(xué);2006年

8 李濤;推薦系統(tǒng)中若干關(guān)鍵問題研究[D];南京航空航天大學(xué);2009年

9 鎮(zhèn)璐;基于知識(shí)網(wǎng)格的知識(shí)供應(yīng)理論與技術(shù)[D];上海交通大學(xué);2008年

10 張磊;個(gè)性化推薦和搜索中若干關(guān)鍵問題的研究[D];北京郵電大學(xué);2009年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 李春;協(xié)同過濾推薦算法的研究[D];湘潭大學(xué);2010年

2 韓璐;針對推薦系統(tǒng)中信息共享需求下隱私保護(hù)機(jī)制的研究與實(shí)現(xiàn)[D];華東師范大學(xué);2011年

3 鮑光余;基于潛在語義分析的農(nóng)戶個(gè)性化推薦系統(tǒng)[D];海南大學(xué);2011年

4 路華;小眾推薦技術(shù)研究與應(yīng)用[D];電子科技大學(xué);2011年

5 韓增義;科技論文推薦系統(tǒng)研究與實(shí)現(xiàn)[D];電子科技大學(xué);2011年

6 焦晨斌;協(xié)同過濾算法在電子商務(wù)推薦系統(tǒng)的研究[D];鄭州大學(xué);2011年

7 寇艷艷;電子商務(wù)推薦系統(tǒng)中用戶聚類問題與用戶興趣變化問題研究[D];中國科學(xué)技術(shù)大學(xué);2011年

8 王金輝;基于標(biāo)簽的協(xié)同過濾稀疏性問題研究[D];中國科學(xué)技術(shù)大學(xué);2011年

9 杜定宇;基于特征向量的個(gè)性化推薦算法研究[D];重慶大學(xué);2011年

10 唐小宇;基于論文關(guān)鍵詞聚類的用戶興趣模型細(xì)化方法研究[D];山東科技大學(xué);2011年

，

本文編號：728664