基于网易云音乐的协同过滤推荐系统研究及实现

发布时间：2021-11-21 08:49

　　随着信息数据化以及物联网信息技术的迅猛发展,利用网络平台收听音乐成为了人们日常生活当中的一个缩影,但是因为歌曲条目的繁杂以及有效信息的匮乏,人们很难从网络当中选择到符合自己偏好的音乐,随着互联网信息技术的广泛流通,推荐系统逐渐融入了大众生活,渗透到人们生活的方方面面,然而传统的推荐系统无法从根本上解决信息繁多冗杂导致结果不准确的问题,基于这个背景本文对传统的推荐算法存在的问题进行了深入的分析与研究,提出了协同过滤推荐算法。本文对市场上常用的几种个性化的推荐算法进行了简单介绍,就使用最频繁的个性化推荐算法----协同过滤推荐算法展开讨论,通过对网易云用户收听音乐的数据进行爬取,对歌曲的种类,名称,歌词,歌手,图片以及专辑等方面的数据进行分析,利用协同过滤推荐算法的两种模型即基于目标用户的协同过滤推荐算法和基于物品的协同过滤推荐算法向用户推荐其可能感兴趣的音乐,以此来满足人们对音乐获取的需求。最后系统的比较了两种不同模型的协同过滤推荐算法的异同以及优缺点,得出两种模型的优劣,还总结出了协同过滤推荐算法存在的缺陷以及所遇到的难题,并提出了相应的参考建议。 

【文章来源】：山东师范大学山东省

【文章页数】：50 页

【学位级别】：硕士

【部分图文】：

基于用户的协同过滤算法原理图

山东师范大学硕士学位论文基于物品的推荐算法的基本思想是通过计算目标用户偏爱的项目之间的相似度而后做出推荐：先是在每一个被推荐的产品中提取一些典型的特征用来表示这个物品，然后再通过目标用户的历史数据（喜欢还是不喜欢这一物品的特征的数据），分析出这个用户的兴趣偏好，最后利用上一步得出的目标用户的偏好与待选物品的特征给这个目标用户推荐出一组相关程度最高的产品集。举例来讲：在一个文章的推荐系统过程中，推荐系统最开始会利用各篇文章的关键字词来为文章建构模型，作为文章的描述文件。比如几篇各具特色的文章，用来描述文章 A的特征的关键字词包含旅游，美食以及实用，用来描述文章B 的特征的关键字词包含军事和体育，目标用户 A对文章 A和文章D很感兴趣，那么我们对这个用户构建兴趣模型，发现文章C 的描述特征模型同用户 A的兴趣模型能较好的去匹配，将文章C 推荐给用户 A，推荐过程如图 3-2 所示：

山东师范大学硕士学位论文果也会不好。为了防止上述数据过大问题的发生，需要对音乐数据分类处理，把网易云用户的兴趣偏好和需要进行按类划分。由于大量网易云用户只是单纯的通过别人的推荐或者官方提示去搜索一些音乐但是转而退出，实际上他们对此类音乐并不感兴趣，或者他们重复对一首音乐收听，这样的话就会对后期音乐推荐的准确性产生极大的偏差，所以我们要剔除不完整的数据记录以及去除低频的用户记录。然后对每个网易云用户可能感兴趣的音乐进行推荐。整个分析过程的流程图如下图 3-3 所示：

【参考文献】：
期刊论文
[1]基于项目评分与类型评分聚类的推荐算法[J]. 段元波,高茂庭.  计算机工程. 2018(06)
[2]基于协同过滤推荐算法的公园个性化推荐系统的研建[J]. 张伊,张军霞,邹雨纯,徐丹阳,王丽婷.  现代信息科技. 2018(04)
[3]一种解决新项目冷启动问题的推荐算法[J]. 于洪,李俊华.  软件学报. 2015(06)
[4]聚类方法综述[J]. 金建国.  计算机科学. 2014(S2)
[5]音乐个性化推荐系统研究综述[J]. 谭学清,何珊.  现代图书情报技术. 2014(09)
[6]基于K折交叉验证的选择性集成分类算法[J]. 胡局新,张功杰.  科技通报. 2013(12)
[7]基于项目和信任的协同过滤推荐算法[J]. 朱丽中,徐秀娟,刘宇.  计算机工程. 2013(01)
[8]大数据时代的挑战、价值与应对策略[J]. 陈如明.  移动通信. 2012(17)
[9]音乐推荐技术的现状与发展[J]. 杨倩,潘兴德.  电声技术. 2012(06)
[10]数据挖掘中聚类算法研究进展[J]. 周涛,陆惠玲.  计算机工程与应用. 2012(12)

博士论文
[1]电子商务推荐系统中协同过滤瓶颈问题研究[D]. 李聪.合肥工业大学 2009
[2]推荐系统的协同过滤算法与应用研究[D]. 郭艳红.大连理工大学 2008



本文编号：3509176