互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展,使得各種音樂網(wǎng)站和應(yīng)用越來越多,充分滿足了人們對(duì)于音樂的需求。但是隨之產(chǎn)生的信息過載也帶來了一個(gè)巨大挑戰(zhàn),即用戶很難在海量的音樂中找到符合自己興趣偏好的歌曲。推薦系統(tǒng)能夠有效的解決這個(gè)問題,通過個(gè)性化推薦技術(shù)改善信息過載問題。然而系統(tǒng)中數(shù)據(jù)不平衡導(dǎo)致的數(shù)據(jù)稀疏性問題,嚴(yán)重影響了推薦結(jié)果的準(zhǔn)確性。因此,本文通過計(jì)算歌曲綜合相似度,建立歌曲偏好相關(guān)圖,并融合場(chǎng)論理論構(gòu)建轉(zhuǎn)移概率矩陣,對(duì)隨機(jī)游走推薦算法進(jìn)行改進(jìn),具體工作如下:（1）融合協(xié)同過濾和內(nèi)容特征,建立歌曲偏好相關(guān)圖。根據(jù)用戶的收聽記錄建立用戶-歌曲二部圖,基于收聽次數(shù)計(jì)算歌曲評(píng)分相似度,再提取歌曲的內(nèi)容特征,計(jì)算歌曲信息相似度。然后將兩者融合得到綜合相似度,降低歌曲相似度矩陣的稀疏性,并構(gòu)建歌曲偏好相關(guān)圖。（2）結(jié)合場(chǎng)論理論建立隨機(jī)游走算法中的轉(zhuǎn)移概率矩陣。在計(jì)算轉(zhuǎn)移概率矩陣時(shí),融合場(chǎng)論理論,由歌曲相關(guān)圖建立歌曲場(chǎng),結(jié)合歌曲的重要度與綜合相似度得到轉(zhuǎn)移概率矩陣,從而降低隨機(jī)游走的時(shí)間復(fù)雜度。（3）混合推薦算法的驗(yàn)證。使用Million Song Dataset的子數(shù)據(jù)集,將融合場(chǎng)論理論的隨機(jī)游走歌曲混合推薦算法... 

【文章來源】：蘭州財(cái)經(jīng)大學(xué)甘肅省

【文章頁數(shù)】：65 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

融合場(chǎng)論理論的隨機(jī)游走歌曲混合推薦算法FL-RW模型

【參考文獻(xiàn)】：
期刊論文
[1]基于fastText的中文文本分類[J]. 代令令,蔣侃.  計(jì)算機(jī)與現(xiàn)代化. 2018(05)
[2]音樂個(gè)性化推薦算法TFPMF的研究[J]. 葉西寧,王猛.  系統(tǒng)仿真學(xué)報(bào). 2019(07)
[3]音樂個(gè)性化推薦算法RR-UBPMF的研究[J]. 王猛,葉西寧.  華東理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(01)
[4]基于條件型游走二部圖協(xié)同過濾算法[J]. 王明佳,韓景倜.  計(jì)算機(jī)應(yīng)用研究. 2017(12)
[5]基于物理場(chǎng)論的探測(cè)復(fù)雜網(wǎng)絡(luò)社團(tuán)結(jié)構(gòu)的分布估計(jì)算法[J]. 劉晉霞,孫麗萍,杜靜,劉晉鋼,張麗.  數(shù)據(jù)采集與處理. 2017(01)
[6]基于增加相似度系數(shù)的加權(quán)二部圖推薦算法[J]. 李鎮(zhèn)東,羅琦,施力力.  計(jì)算機(jī)科學(xué). 2016(07)
[7]基于LDA模型的音樂推薦算法[J]. 李博,陳志剛,黃瑞,鄭祥云.  計(jì)算機(jī)工程. 2016(06)
[8]基于用戶-標(biāo)簽-項(xiàng)目語義挖掘的個(gè)性化音樂推薦[J]. 李瑞敏,林鴻飛,閆俊.  計(jì)算機(jī)研究與發(fā)展. 2014(10)
[9]基于用戶相似度的協(xié)同過濾推薦算法[J]. 榮輝桂,火生旭,胡春華,莫進(jìn)俠.  通信學(xué)報(bào). 2014(02)
[10]改進(jìn)的隨機(jī)游走模型節(jié)點(diǎn)排序方法[J]. 何建軍,李仁發(fā).  計(jì)算機(jī)工程與應(yīng)用. 2011(12)

博士論文
[1]基于建筑場(chǎng)的城市住宅再生研究[D]. 李悅.華中科技大學(xué) 2012
[2]物流場(chǎng)理論及應(yīng)用研究[D]. 湯銀英.西南交通大學(xué) 2007



本文編號(hào)：3365091