基于移動上下文的音樂推薦系統(tǒng).pdf

1、基于移動上下文的音樂推薦具有很高的研究價值和應用價值，然而目前基于移動上下文進行音樂推薦的研究十分稀少，而且國內主流音樂APP應用市場上尚無基于上下文進行音樂推薦的系統(tǒng)。本文設計并實現(xiàn)了一種移動上下文的音樂推薦系統(tǒng)，利用已有的網(wǎng)絡歌單數(shù)據(jù)建立音樂和上下文之間的對應關系，解決了采用人工方式進行數(shù)據(jù)標注所帶來的高代價和標注不準確的問題。具有一定的理論研究價值和應用價值。
　　已知的有一項具有代表性的研究工作利用行為上下文(例如跑步、工

2、作等狀態(tài)信息)對移動用戶進行音樂推薦。該系統(tǒng)建立了傳感器、行為上下文與音樂三者之間的關系，并基于此，對用戶進行推薦。它可以有效利用移動上下文信息，避免數(shù)據(jù)稀疏性與冷啟動的問題，而且支持增量學習。但該系統(tǒng)使用人工進行數(shù)據(jù)標注，不僅代價高，而且對音樂和上下文之間的對應關系描述不準確。
　　本文設計實現(xiàn)的系統(tǒng)在保留上述系統(tǒng)之優(yōu)勢的基礎上，從網(wǎng)絡上抓取基于狀態(tài)信息的歌單，不僅避免了使用人工進行數(shù)據(jù)標注的高代價問題，還同時更為準確的描述了音

3、樂和上下文之間的對應關系。此外，重新設計了上下文狀態(tài)信息，以提高各狀態(tài)之間的可區(qū)分性，并使之更符合中國用戶的習慣。在算法設計上，使用樸素貝葉斯算法建立傳感器-上下文模型，基于抓取的網(wǎng)絡歌單進行概率統(tǒng)計以建立音樂-上下文模型，然后使用貝葉斯框架結合二者，得到用戶在當前上下文中對每一首音樂的偏好概率，并使用增量學習算法根據(jù)用戶反饋提高推薦性能。
　　本文實現(xiàn)了完整的系統(tǒng)，包括服務器端和移動手機APP端。采集了52482個傳感器數(shù)據(jù)樣本