基于Slope One算法的增量音樂推薦系統(tǒng)的設(shè)計與實現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)日益普及和信息資源急劇增加，用戶很難從大量信息中尋找對自己有用的信息，導(dǎo)致信息利用率降低，帶來“信息過載”問題。個性化推薦系統(tǒng)是解決這一問題的有效手段。個性化推薦系統(tǒng)收集用戶的行為特征，對用戶興趣進(jìn)行建模，進(jìn)而從海量數(shù)據(jù)中挖掘符合用戶興趣模型的信息并推薦給用戶，其實質(zhì)是根據(jù)用戶的歷史行為，對其潛在興趣進(jìn)行預(yù)測。
　　音樂是一種表達(dá)內(nèi)心情感、反應(yīng)社會生活、陶冶個人情操的藝術(shù)形式。隨著互聯(lián)網(wǎng)的高速發(fā)展，越來越多的音樂作品以數(shù)

2、字形式在網(wǎng)絡(luò)上流通，使得用戶越來越難以從海量的音樂數(shù)據(jù)中挑選出自己喜歡的作品，導(dǎo)致了對音樂推薦系統(tǒng)的極大需求。與此同時，Yahoo、騰訊、網(wǎng)易等大型互聯(lián)網(wǎng)公司也十分重視對音樂推薦系統(tǒng)的研究，并推出了Pandora、Last.fm、Slacker Radio和QQ音樂、網(wǎng)易云音樂、豆瓣音樂等音樂推薦系統(tǒng)。然而，根據(jù)前期調(diào)研結(jié)果，現(xiàn)有的音樂推薦系統(tǒng)大多采用靜態(tài)的推薦算法，當(dāng)數(shù)據(jù)出現(xiàn)變化時，需要基于整個數(shù)據(jù)集重新構(gòu)建推薦模型。在大規(guī)模數(shù)據(jù)集上

3、，靜態(tài)推薦算法需要消耗很多的計算資源和時間進(jìn)行推薦模型的重構(gòu)，效能較低。
　　本文基于一種經(jīng)典的協(xié)同過濾推薦算法，即Slope One算法，研究增量音樂推薦系統(tǒng)。Slope One算法具備高效、易擴(kuò)展的優(yōu)點，非常適合用以對增量音樂推薦系統(tǒng)進(jìn)行研究。本文的主要工作在于：1)對Slope One算法進(jìn)行了深入研究，對基本Slope One算法、加權(quán)Slope One算法和雙極Slope One算法的訓(xùn)練規(guī)則進(jìn)行深入分析；2)基于Slo

4、pe One靜態(tài)算法的更新規(guī)則，通過計算數(shù)據(jù)更新對參數(shù)更新的影響，分別提出并實現(xiàn)了基本Slope One增量算法、加權(quán)Slope One增量算法和雙極Slope One增量算法；3)在權(quán)威公測數(shù)據(jù)集MovieLens和EachMovie上進(jìn)行了詳細(xì)實驗，證明了Slope One增量算法能與Slope One靜態(tài)算法達(dá)到相同的推薦準(zhǔn)確度；4)以詳盡的需求分析為基礎(chǔ)，進(jìn)行了系統(tǒng)架構(gòu)設(shè)計、功能模塊設(shè)計和數(shù)據(jù)庫設(shè)計，以Slope one增量算法