基于組合模型的音樂推薦系統(tǒng)研究與實(shí)現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)的飛速發(fā)展，網(wǎng)絡(luò)上存在大量的音樂資源。傳統(tǒng)的利用搜索引擎查找喜愛音樂的方法顯得效率低下，國內(nèi)著名的音樂網(wǎng)站百度MP3及谷歌音樂，需要用戶輸入音樂歌曲的標(biāo)題或者歌手的名字才能找到需要的資源，在用戶對(duì)歌曲毫不了解的情況下，則無法找到相應(yīng)的資源。該現(xiàn)象也被稱為“信息過載”或“信息迷失”。作為推薦服務(wù)的一個(gè)垂直分支，音樂推薦系統(tǒng)能夠根據(jù)用戶的興趣愛好，個(gè)人特征等信息等在音樂庫上發(fā)掘其可能喜歡的音樂歌曲，從而很好地解決了傳統(tǒng)搜索引擎在“

2、信息過載”現(xiàn)在中暴露的問題。
　　 鑒于單一方法的推薦系統(tǒng)存在一定缺陷，如冷啟動(dòng)問題等，本論文將設(shè)計(jì)并實(shí)現(xiàn)一個(gè)組合模型的音樂推薦系統(tǒng)，該系統(tǒng)結(jié)合了協(xié)同過濾及基于內(nèi)容過濾兩種方法，很好地彌補(bǔ)了單一方法的帶來的缺陷。在協(xié)同過濾方面，本文采用了Slope-one算法，該算法特點(diǎn)在于有較好的準(zhǔn)確率的前提下，能夠迅速地響應(yīng)推薦操作，并且算法的實(shí)現(xiàn)較為簡(jiǎn)單，適合實(shí)際開發(fā)應(yīng)用；而基于內(nèi)容過濾方面則從音樂的音色特性出發(fā)，首先提取音樂的Mel倒頻