基于移動(dòng)上下文的音樂(lè)推薦系統(tǒng).pdf

1、基于移動(dòng)上下文的音樂(lè)推薦具有很高的研究?jī)r(jià)值和應(yīng)用價(jià)值，然而目前基于移動(dòng)上下文進(jìn)行音樂(lè)推薦的研究十分稀少，而且國(guó)內(nèi)主流音樂(lè)APP應(yīng)用市場(chǎng)上尚無(wú)基于上下文進(jìn)行音樂(lè)推薦的系統(tǒng)。本文設(shè)計(jì)并實(shí)現(xiàn)了一種移動(dòng)上下文的音樂(lè)推薦系統(tǒng)，利用已有的網(wǎng)絡(luò)歌單數(shù)據(jù)建立音樂(lè)和上下文之間的對(duì)應(yīng)關(guān)系，解決了采用人工方式進(jìn)行數(shù)據(jù)標(biāo)注所帶來(lái)的高代價(jià)和標(biāo)注不準(zhǔn)確的問(wèn)題。具有一定的理論研究?jī)r(jià)值和應(yīng)用價(jià)值。
　　已知的有一項(xiàng)具有代表性的研究工作利用行為上下文(例如跑步、工

2、作等狀態(tài)信息)對(duì)移動(dòng)用戶進(jìn)行音樂(lè)推薦。該系統(tǒng)建立了傳感器、行為上下文與音樂(lè)三者之間的關(guān)系，并基于此，對(duì)用戶進(jìn)行推薦。它可以有效利用移動(dòng)上下文信息，避免數(shù)據(jù)稀疏性與冷啟動(dòng)的問(wèn)題，而且支持增量學(xué)習(xí)。但該系統(tǒng)使用人工進(jìn)行數(shù)據(jù)標(biāo)注，不僅代價(jià)高，而且對(duì)音樂(lè)和上下文之間的對(duì)應(yīng)關(guān)系描述不準(zhǔn)確。
　　本文設(shè)計(jì)實(shí)現(xiàn)的系統(tǒng)在保留上述系統(tǒng)之優(yōu)勢(shì)的基礎(chǔ)上，從網(wǎng)絡(luò)上抓取基于狀態(tài)信息的歌單，不僅避免了使用人工進(jìn)行數(shù)據(jù)標(biāo)注的高代價(jià)問(wèn)題，還同時(shí)更為準(zhǔn)確的描述了音

3、樂(lè)和上下文之間的對(duì)應(yīng)關(guān)系。此外，重新設(shè)計(jì)了上下文狀態(tài)信息，以提高各狀態(tài)之間的可區(qū)分性，并使之更符合中國(guó)用戶的習(xí)慣。在算法設(shè)計(jì)上，使用樸素貝葉斯算法建立傳感器-上下文模型，基于抓取的網(wǎng)絡(luò)歌單進(jìn)行概率統(tǒng)計(jì)以建立音樂(lè)-上下文模型，然后使用貝葉斯框架結(jié)合二者，得到用戶在當(dāng)前上下文中對(duì)每一首音樂(lè)的偏好概率，并使用增量學(xué)習(xí)算法根據(jù)用戶反饋提高推薦性能。
　　本文實(shí)現(xiàn)了完整的系統(tǒng)，包括服務(wù)器端和移動(dòng)手機(jī)APP端。采集了52482個(gè)傳感器數(shù)據(jù)樣本