基于混合模式的個(gè)性化音樂推薦系統(tǒng)的研究與實(shí)現(xiàn).pdf

1、互聯(lián)網(wǎng)的發(fā)展使信息量呈規(guī)模性增長，怎樣在大量的信息中找到我們真正想要的內(nèi)容成了目前研究的重點(diǎn)。傳統(tǒng)的搜索引擎的方式要求用戶能夠比較準(zhǔn)確的描述想要搜索的東西，然而有時(shí)候用戶不好描述或者自己也不知道想要什么。推薦系統(tǒng)的出現(xiàn)為用戶解決了這一難點(diǎn)，它不需要用戶輸入大量的搜索核心詞，而是通過分析用戶的歷史操作記錄，給用戶進(jìn)行個(gè)性化推薦。音樂就是一種很適合推薦的內(nèi)容，每個(gè)人都有自己的音樂品味，推薦系統(tǒng)為每一個(gè)用戶進(jìn)行個(gè)性化的定制。本文介紹了比較具有

2、代表性的音樂推薦系統(tǒng)與相關(guān)算法，分析了各個(gè)推薦算法的優(yōu)點(diǎn)與缺點(diǎn)，然后提出了基于協(xié)同過濾與音樂基因的混合推薦模式，通過實(shí)驗(yàn)比較了基于協(xié)同過濾的推薦、基于音樂基因的推薦以及基于這二者的混合模式推薦，最后選取了基于混合模式的推薦作為個(gè)本文音樂推薦系統(tǒng)的推薦算法。
　　本研究在基于協(xié)同過濾的推薦模式中，首先構(gòu)建用戶-項(xiàng)目矩陣，然后進(jìn)行用戶相似度分析，查找最近鄰居用戶，得到一個(gè)推薦列表。在基于音樂基因的推薦模式中，通過分析音樂基因的結(jié)構(gòu)，選

3、取并計(jì)算了幾項(xiàng)用戶的基因偏好度，以此產(chǎn)生一個(gè)推薦列表。在混合推薦模式中，通過對(duì)上述兩者的加權(quán)混合得到一個(gè)最終的推薦列表?；趨f(xié)同過濾的推薦的應(yīng)用范圍相比其他推薦更為廣泛，推薦結(jié)果的準(zhǔn)確率也相對(duì)較高，但是也存在一些稀疏性、冷啟動(dòng)等方面的問題;基于內(nèi)容的推薦無需依靠用戶的評(píng)價(jià)信息，同時(shí)也沒有協(xié)同過濾的稀疏性、冷啟動(dòng)方面的缺點(diǎn)，但是應(yīng)用的范圍相對(duì)來說更小?；诨旌夏Ｊ降耐扑]針對(duì)這兩個(gè)推薦的缺點(diǎn)，可以在不同情況下采取不同權(quán)重的策略。當(dāng)用戶的評(píng)價(jià)