版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、分類號:UDC:密級:學(xué)校代號:11845學(xué)號:2111205052廣東工業(yè)大學(xué)碩士學(xué)位論文(工學(xué)碩士)基于組合推薦技術(shù)的音樂推薦引擎研究與實現(xiàn)李恒新指導(dǎo)教師姓名、職稱:鎣堅堡熬援學(xué)科(專業(yè))或領(lǐng)域名稱:讓簋扭廑且技苤學(xué)生所屬學(xué)院:讓簋扭堂瞳論文答辯日期:三Q二五生五旦摘要摘要音樂的獲取多種多樣,從網(wǎng)絡(luò)上獲取已成為大多數(shù)人的首選。而匆忙的現(xiàn)代化生活以及龐大的網(wǎng)絡(luò)資源,讓很多人無暇去仔細搜索自己喜愛的音樂,并且大量適合用戶的音樂沒有機會被
2、用戶欣賞到。怎么快速挖掘用戶喜好,幫用戶找到自己所喜歡的音樂,就是音樂推薦引擎的主要作用。推薦算法是引擎的核一11,算法的優(yōu)劣決定了推薦的質(zhì)量?;趦?nèi)容的推薦研究很早就開始。本文針對音樂數(shù)據(jù)的獨特性,進行了標(biāo)簽化處理,使其能應(yīng)用在基于內(nèi)容的推薦上,而基于內(nèi)容的算法主要采用聚類算法。用傳統(tǒng)的TFIDF方法生成音樂文檔向量來進行聚類,不僅效率低,聚類質(zhì)量也不高。因此,本文采用另一種生成向量的算法,那就是用Simhash算法計算出物品的指紋特
3、征值,再進行聚類。實驗驗證了此種方法運行效率高,聚類效果也好。另外,在推薦領(lǐng)域,協(xié)同過濾算法也是El前應(yīng)用比較廣的推薦算法。針對協(xié)同過濾推薦算法運算量大的特點,本文實現(xiàn)了在Hadoop平臺上的基于用戶的分布式協(xié)同過濾算法,優(yōu)化用戶相似矩陣和去掉熱門和冷門項目偏好向量,并且簡化整個流程。在實驗中,和Mahout算法集上的基于項目的分布式協(xié)同過濾算法比較,在同等數(shù)據(jù)量的前提下,速度更快,推薦質(zhì)量也沒有降低。最后,本文搭建了一個B/S結(jié)構(gòu)的音
4、樂推薦引擎原型系統(tǒng),整合離線推薦算法結(jié)果,并加入在線推薦功能,滿足用戶的實時需求,成為一個體驗較佳的個性化推薦系統(tǒng)。本文的主要研究工作總結(jié)如下:1對音樂進行標(biāo)簽化處理,加入權(quán)重,并對歌詞分詞過濾處理,采用Simhash算法生成二進制指紋特征值,而不是用傳統(tǒng)的TFIDF來生成向量表示音樂文檔,在存儲和計算量上都得到了優(yōu)化。接著用Kmeans聚類算法對指紋特征值進行聚類,得出多簇相似的歌曲,實現(xiàn)改進的基于內(nèi)容的推薦算法。2對Mahout中基
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于位置服務(wù)的推薦引擎設(shè)計與實現(xiàn).pdf
- 基于安卓平臺的手機推薦引擎的設(shè)計與實現(xiàn).pdf
- 基于HADOOP的分布式推薦引擎.pdf
- 基于Python的個性化影片推薦引擎的設(shè)計與實現(xiàn).pdf
- 基于智能推薦引擎的就業(yè)信息管理系統(tǒng)設(shè)計與實現(xiàn).pdf
- 基于Hadoop+Mahout的智能終端云應(yīng)用推薦引擎的研究與實現(xiàn).pdf
- 推薦引擎中的稀疏性問題研究.pdf
- 個性化推薦系統(tǒng)推薦引擎原型系統(tǒng)研究.pdf
- 智能電子商務(wù)個性化服務(wù)推薦引擎技術(shù)的研究與實現(xiàn).pdf
- 基于Hadoop架構(gòu)的商業(yè)推薦引擎協(xié)同過濾算法設(shè)計與實現(xiàn).pdf
- 基于用戶興趣模型的個性化推薦引擎技術(shù)研究.pdf
- 基于Hadoop的分布式推薦引擎關(guān)鍵技術(shù)研究.pdf
- 基于云計算的分布式推薦引擎算法研究.pdf
- 基于推薦引擎的銀行客戶關(guān)系管理系統(tǒng)的設(shè)計與實現(xiàn).pdf
- 個性化推薦引擎系統(tǒng)研究.pdf
- 基于雙聚類模型的協(xié)同過濾推薦引擎研究.pdf
- 基于組合模型的音樂推薦系統(tǒng)研究與實現(xiàn).pdf
- 百度團購個性化推薦引擎的設(shè)計與實現(xiàn).pdf
- 多維度可擴展推薦引擎框架的設(shè)計與應(yīng)用.pdf
- 個性化智能推薦引擎算法研究及應(yīng)用.pdf
評論
0/150
提交評論