本文關(guān)鍵詞：音樂(lè)推薦系統(tǒng)的設(shè)計(jì)和實(shí)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(duì)海量信息,用戶(hù)要從網(wǎng)上查找到感興趣的內(nèi)容變得越來(lái)越困難。傳統(tǒng)搜索引擎能為人們過(guò)濾一部分無(wú)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(shí)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(gè)。而且,傳統(tǒng)搜索方式只會(huì)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(méi)有類(lèi)似關(guān)鍵字的信息。音樂(lè)是人們生活中不可或缺的一項(xiàng)娛樂(lè)內(nèi)容,網(wǎng)絡(luò)的便捷性讓在線(xiàn)音樂(lè)快速發(fā)展,音樂(lè)推薦成了個(gè)性化推薦系統(tǒng)中一個(gè)重要組成部分,國(guó)內(nèi)外各式各樣的在線(xiàn)音樂(lè)服務(wù)不斷涌現(xiàn),國(guó)內(nèi)近年來(lái)興起的YY語(yǔ)音、網(wǎng)易云音樂(lè)、Jing.fm等都是此類(lèi)代表。網(wǎng)絡(luò)狀況的改善,讓用戶(hù)越來(lái)越習(xí)慣于隨聽(tīng)隨播的收聽(tīng)方式,主動(dòng)發(fā)現(xiàn)音樂(lè)的動(dòng)力在減弱。個(gè)性化音樂(lè)推薦是現(xiàn)今在線(xiàn)音樂(lè)服務(wù)必備的內(nèi)容,也是實(shí)現(xiàn)音樂(lè)長(zhǎng)尾推薦的方法。用戶(hù)收聽(tīng)音樂(lè)的行為,如反復(fù)收聽(tīng)、收聽(tīng)過(guò)程中跳過(guò)一首歌曲、收藏一個(gè)專(zhuān)輯等行為,都反映了用戶(hù)對(duì)音樂(lè)的喜好傾向。因此,本文根據(jù)用戶(hù)收聽(tīng)音樂(lè)產(chǎn)生的日志數(shù)據(jù),統(tǒng)計(jì)每個(gè)用戶(hù)收聽(tīng)了哪些歌手,分別收聽(tīng)的次數(shù),把次數(shù)轉(zhuǎn)換成評(píng)分,利用個(gè)性化推薦指紋給用戶(hù)推薦可能感興趣的歌手。協(xié)同過(guò)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(guò)濾的信息進(jìn)行過(guò)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(cuò)的成績(jī)。隨著研究的深入和實(shí)際應(yīng)用的需要,協(xié)同過(guò)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(guò)濾推薦算法進(jìn)行。本文對(duì)Last.fm數(shù)據(jù)集作了一個(gè)簡(jiǎn)要分析,得出用戶(hù)收聽(tīng)音樂(lè)的特征,為系統(tǒng)的設(shè)計(jì)和算法實(shí)驗(yàn)提供依據(jù)。探討了隱性反饋數(shù)據(jù)轉(zhuǎn)換為評(píng)分的方法,對(duì)個(gè)性化音樂(lè)推薦系統(tǒng)作了個(gè)設(shè)計(jì),并實(shí)現(xiàn)了部分功能,在數(shù)據(jù)集上進(jìn)行了推薦實(shí)驗(yàn)。
【關(guān)鍵詞】：推薦系統(tǒng) 個(gè)性化 Slope One SVD
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類(lèi)號(hào)】：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(guó)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(lè)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(guò)濾推薦16-22
• 2.3.1 基于用戶(hù)的協(xié)同過(guò)濾推薦16-18
• 2.3.2 基于物品的協(xié)同過(guò)濾推薦18-19
• 2.3.3 基于模型的協(xié)同過(guò)濾推薦19-22
• 2.4 混合推薦22-26
• 2.5 推薦系統(tǒng)評(píng)價(jià)標(biāo)準(zhǔn)26-27
• 2.6 本章小結(jié)27-28
• 第三章 個(gè)性化音樂(lè)推薦需求分析和系統(tǒng)設(shè)計(jì)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(jì)31-43
• 3.2.1 總體架構(gòu)設(shè)計(jì)32-33
• 3.2.2 推薦模塊設(shè)計(jì)33-36
• 3.2.3 數(shù)據(jù)模型設(shè)計(jì)36-39
• 3.2.4 接口設(shè)計(jì)39
• 3.2.5 數(shù)據(jù)庫(kù)設(shè)計(jì)39-43
• 3.3 本章小結(jié)43-44
• 第四章 系統(tǒng)實(shí)現(xiàn)與測(cè)試44-72
• 4.1 系統(tǒng)實(shí)現(xiàn)44-58
• 4.1.1 數(shù)據(jù)預(yù)處理模塊實(shí)現(xiàn)44-51
• 4.1.2 Slope One模塊實(shí)現(xiàn)51-56
• 4.1.3 SVD模塊實(shí)現(xiàn)56-58
• 4.2 系統(tǒng)模塊測(cè)試58-70
• 4.2.1 測(cè)試數(shù)據(jù)集59
• 4.2.2 數(shù)據(jù)預(yù)處理模塊測(cè)試及數(shù)據(jù)分析59-64
• 4.2.3 Slope One模塊測(cè)試64-67
• 4.2.4 SVD模塊測(cè)試67-70
• 4.3 測(cè)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(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

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

  本文關(guān)鍵詞：音樂(lè)推薦系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：275835