目前,通過互聯(lián)網(wǎng)在線欣賞音樂已經(jīng)成為一種很常見的生活方式,不過互聯(lián)網(wǎng)上存儲的海量音樂,使人們并不能很方便的找到自己喜歡的音樂,這對用戶產(chǎn)生了一定的不便。音樂推薦則可有效的解決這樣的問題,音樂系統(tǒng)可在分析用戶欣賞音樂習(xí)慣的基礎(chǔ)上高效地向用戶推送其可能感興趣的音樂,這不僅會使用戶得到更好的服務(wù),對提高一個音樂系統(tǒng)的服務(wù)能力和服務(wù)水平也會有較好的幫助。本文對音樂推薦問題進(jìn)行了比較系統(tǒng)的研究,提出了一個基于音頻特征的音樂推薦方法,該方法通過比較音樂之間頻譜分布的相關(guān)度來分析音樂的相似性,并期望將與用戶喜歡的音樂相似度較高的音樂推薦給用戶。本文的主要工作有音樂特征提取和推薦算法設(shè)計兩個方面。音樂特征提取方面,本文在查閱大量文獻(xiàn)的基礎(chǔ)上,以音樂的頻譜分布為基礎(chǔ),將音色（Timber）、節(jié)奏（Rhythm）和音調(diào)（Chroma）定義為主要的音樂特征。為了提高音樂特征提取和分析的效率,本文還對定義的特征進(jìn)行了適當(dāng)?shù)膬?yōu)化,期望能夠消除一些冗余的特征分量,以提高分析效率。推薦算法方面,由于音樂庫存儲著了海量的音樂,如果僅通過音頻特征計算音樂相似度進(jìn)行音樂推薦,那么音樂推薦將成為一種不可能完成的任務(wù)。為此,... 

【文章來源】：遼寧科技大學(xué)遼寧省

【文章頁數(shù)】：81 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
1.緒論
    1.1 音樂推薦背景及意義
    1.2 國內(nèi)外發(fā)展現(xiàn)狀
    1.3 文章工作及結(jié)構(gòu)安排
        1.3.1 主要工作
        1.3.2 結(jié)構(gòu)安排
2.音樂推薦相關(guān)技術(shù)介紹
    2.1 基本的推薦方法
        2.1.1 基于協(xié)同過濾技術(shù)的推薦方法
        2.1.2 基于標(biāo)簽的推薦方法
        2.1.3 基于內(nèi)容的推薦方法
        2.1.4 混合推薦算法
    2.2 音頻信號分析技術(shù)
        2.2.1 音頻信號的時域分析
        2.2.2 音頻信號的頻域分析
        2.2.3 時域頻域相互轉(zhuǎn)換
    2.3 數(shù)字音樂技術(shù)及其特征
    2.4 本章小結(jié)
3.音頻特征提取和優(yōu)化
    3.1 音樂特征的選擇及提取
    3.2 基于平行坐標(biāo)軸的特征優(yōu)化
    3.3 基于散點圖的音樂特征優(yōu)化
        3.3.1 基于散點圖的音樂特征優(yōu)化
        3.3.2 基于維密度和聚類散點圖的音樂特征優(yōu)化
    3.4 實驗分析
    3.5 小結(jié)
4.基于音頻特征的推薦方法
    4.1 整體框架結(jié)構(gòu)
    4.2 音樂相似度計算
    4.3 基于音頻特征的推薦方法
    4.4 實驗分析
    4.5 本章小結(jié)
5.基于音頻特征的混合推薦算法
    5.1 基于FP—growth與音頻特征的混合推薦算法
    5.2 基于標(biāo)簽與音頻特征的混合推薦算法
        5.2.1 二分圖的關(guān)聯(lián)矩陣
        5.2.2 基于二分圖的推薦算法
        5.2.3 基于標(biāo)簽的推薦算法
    5.3推薦算法對比實驗
        5.3.1 實驗環(huán)境
        5.3.2 評價標(biāo)準(zhǔn)
        5.3.3 實驗結(jié)果分析
    5.4 本章小結(jié)
6.總結(jié)與展望
參考文獻(xiàn)
致謝
作者簡介


【參考文獻(xiàn)】：
期刊論文
[1]基于類空間密度的文本分類特征加權(quán)算法[J]. 賈隆嘉,孫鐵利,楊鳳芹,孫紅光.  吉林大學(xué)學(xué)報(信息科學(xué)版). 2017(01)
[2]“互聯(lián)網(wǎng)音樂調(diào)查報告”結(jié)果揭示音樂市場巨大變化 CD被拋棄,數(shù)字音樂成新寵[J]. 周萌,王亞楠.  北方音樂. 2008(08)
[3]基于譜圖理論的流形學(xué)習(xí)算法[J]. 羅四維,趙連偉.  計算機研究與發(fā)展. 2006(07)



本文編號：3045010