面向在線(xiàn)音樂(lè)網(wǎng)站的個(gè)性化推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf

1、在移動(dòng)互聯(lián)網(wǎng)的大背景下，音樂(lè)的獲取變得非常容易，各種各樣的音樂(lè)網(wǎng)站有很多，而大部分的網(wǎng)站都是基于大眾的喜好和口味，做出了類(lèi)似Top10、Top50、Top100的排名功能，或是根據(jù)不同的分類(lèi)標(biāo)準(zhǔn)，比如:音樂(lè)風(fēng)格、國(guó)內(nèi)國(guó)外、演唱者等做一些分類(lèi)，讓用戶(hù)自己去選擇喜歡的音樂(lè)類(lèi)型。這種基于大眾口味排名或分類(lèi)的方式很難滿(mǎn)足用戶(hù)的個(gè)性化需求，也使長(zhǎng)尾理論中的小眾非主流音樂(lè)被冷落，音樂(lè)市場(chǎng)的發(fā)展很不均衡，不能“百花齊放”。而基于推薦引擎的主動(dòng)推薦機(jī)制

2、，可以根據(jù)用戶(hù)的聽(tīng)歌習(xí)慣和音樂(lè)風(fēng)格喜好，主動(dòng)為用戶(hù)推薦他喜歡的音樂(lè)。這種基于“猜想”的個(gè)性化推薦機(jī)制，可以有效的提升用戶(hù)的體驗(yàn)，增加用戶(hù)的粘性，也使得小眾非主流音樂(lè)得到更多人的欣賞。
　　本文通過(guò)對(duì)各種推薦技術(shù)的對(duì)比和分析，最終決定使用支持機(jī)器學(xué)習(xí)和智能推薦的Mahout作為推薦引擎的開(kāi)發(fā)框架，使用Hadoop實(shí)現(xiàn)對(duì)海量用戶(hù)行為數(shù)據(jù)的分析和處理，使用logback日志的方式來(lái)記錄用戶(hù)的網(wǎng)站行為。在存儲(chǔ)方面，使用logger日志記錄

3、用戶(hù)原始行為數(shù)據(jù)，使用HDFS存儲(chǔ)Hadoop的中間和最終運(yùn)算結(jié)果，使用關(guān)系型數(shù)據(jù)庫(kù)MySQL來(lái)轉(zhuǎn)存HDFS中生成的最終推薦數(shù)據(jù)，方便使用SQL語(yǔ)句進(jìn)行結(jié)構(gòu)化查詢(xún)。在交互方面，使用SpringMVC開(kāi)發(fā)RESTFUL架構(gòu)風(fēng)格來(lái)開(kāi)發(fā)對(duì)外的推薦查詢(xún)接口，使用SHA256withRSA算法實(shí)現(xiàn)接口驗(yàn)簽，使用AES算法加密來(lái)實(shí)現(xiàn)通信的安全性。
　　本文設(shè)計(jì)和實(shí)現(xiàn)了一款個(gè)性化音樂(lè)推薦系統(tǒng)，該推薦引擎可以植入到音樂(lè)網(wǎng)站中，在很大程度上提升音樂(lè)

4、網(wǎng)站的用戶(hù)體驗(yàn)，滿(mǎn)足用戶(hù)的個(gè)性化需求，也使得小眾非主流音樂(lè)擁有更廣闊的發(fā)展空間。本文的主要貢獻(xiàn)如下:
　　1.使用開(kāi)源的Mahout框架來(lái)開(kāi)發(fā)推薦引擎，使本系統(tǒng)不僅實(shí)現(xiàn)了智能推薦，還支持機(jī)器學(xué)習(xí)，隨著用戶(hù)行為數(shù)據(jù)的積累，推薦的準(zhǔn)確性會(huì)越來(lái)越高，有效的提升了用戶(hù)體驗(yàn)。
　　2.使用Hadoop的Mapreduce原理實(shí)現(xiàn)對(duì)海量日志數(shù)據(jù)的分析和處理，從而實(shí)現(xiàn)對(duì)大數(shù)據(jù)的支持，也使系統(tǒng)的橫向擴(kuò)充變得更加容易;使用廉價(jià)機(jī)器部署可以在很

5、大程度節(jié)約系統(tǒng)的開(kāi)發(fā)和運(yùn)維成本;高容錯(cuò)機(jī)制可以保證系統(tǒng)運(yùn)行的穩(wěn)定性。
　　3.使用輕量級(jí)J2EE框架SpringMVC開(kāi)發(fā)RESTFUL架構(gòu)風(fēng)格的接口，從而實(shí)現(xiàn)音樂(lè)網(wǎng)站與推薦系統(tǒng)之間的交互，RESTFUL風(fēng)格的接口使用更簡(jiǎn)單，維護(hù)更方便，符合主流網(wǎng)站的架構(gòu)設(shè)計(jì)，直接基于HTTP協(xié)議傳輸數(shù)據(jù)，降低系統(tǒng)的開(kāi)發(fā)難度和成本。RESTFUL風(fēng)格的接口符合SOA的設(shè)計(jì)理念，使得音樂(lè)網(wǎng)站和推薦系統(tǒng)解耦，網(wǎng)站植入推薦引擎的難度和成本都會(huì)大大降低。