個性化音樂推薦算法的研究與實現(xiàn).pdf

1、在互聯(lián)網(wǎng)時代，各類的音樂網(wǎng)站提供了成千上萬的歌曲，滿足了人們對音樂的需求，為人們帶來了極大的方便。但是，數(shù)字音樂的迅速發(fā)展造成了音樂信息的過載，面對海量的歌曲人們難以快速找到符合自己興趣的音樂。音樂推薦系統(tǒng)的出現(xiàn)能夠為用戶推薦可能喜歡的音樂，幫助用戶快速的發(fā)現(xiàn)或者找到自己想要的歌曲。這種推薦服務(wù)能夠為用戶提供良好的使用體驗，帶來商業(yè)利益，因此音樂推薦領(lǐng)域也成為工業(yè)界和學(xué)者們重視的研究方向。
　　協(xié)同過濾算法廣泛應(yīng)用于各領(lǐng)域的推薦系

2、統(tǒng)中，但是存在冷啟動和可擴展性差的問題;傳統(tǒng)的推薦算法沒有考慮到音樂行為中特有的連續(xù)性行為和環(huán)境的影響，造成了推薦效果不理想。針對這些問題，本文對音樂推薦算法進行了深入的研究，對協(xié)同過濾算法進行了改進及基于大數(shù)據(jù)分析平臺的并行化實現(xiàn);同時，基于音樂收聽的特點，實現(xiàn)一種音樂列表的推薦算法。
　　首先，本文對于協(xié)同過濾算法進行了研究，針對基于ALS模型的方法進行了改進，根據(jù)用戶屬性信息對用戶進行聚類分群，提出分群協(xié)同過濾算法。同時，對

3、分布式計算技術(shù)進行研究，基于Spark平臺實現(xiàn)算法的并行化設(shè)計與實現(xiàn)?；赟park平臺的分群協(xié)同過濾算法提高了推薦的準確性和效率，并解決用戶的冷啟動問題。
　　然后，本文對于音樂收聽具有連續(xù)性且與上下文環(huán)境有關(guān)的特點，實現(xiàn)了一種基于空間模型的音樂列表推薦算法。通過將三者之間的概率關(guān)系映射為空間距離，構(gòu)建用戶-歌曲-標簽空間模型，實現(xiàn)對用戶的個性化并且連續(xù)的歌曲推薦，滿足用戶當(dāng)前音樂需求。
　　最后，基于上述兩種推薦技術(shù)本文