论文部分内容阅读
音乐是一种用来表达人们的感情,反映社会生活的声音艺术,也是最能即时打动人的艺术形式之一。人类创造音乐,记录音乐,享受音乐。信息技术的飞速发展使得网络资源的信息量不断扩张,这在方便我们获取更多的网络资源的同时,也给我们带来了如何筛选的困扰。对于音乐,在人们对精神娱乐不断追求的今天,音乐数量与日俱增,这使得用户检索和发现对自己自己喜欢的音乐变得越来越困难,各国的学者也不断将精力投入到音乐检索和发现的研究中。传统的音乐检索基本上是利用音乐的信息,这种方法要求用户拥有相关确定的音乐信息,且对未知信息的音乐,用户很难判断其和自己音乐趣味的差距。面对当下快速的生活节奏,大部分人都需要背景式音乐,既能快速发现,又能契合用户趣味。这样无论用户处于何种状态,都能在不经意间邂逅自己感兴趣的音乐。这也就是音乐推荐系统的主要任务。鉴于用户对音乐的理解和喜欢的多样性和模糊性以及音乐自身旋律的准确性,即使是准确度最高的推荐算法产生的推荐结果也无法完全匹配用户的兴趣。本文的主要工作是针对这种匹配不完整的问题,提出了协同过滤算法和基于音乐基因的推荐算法的混合推荐算法,设计并实现了一个基于此混合推荐算法的音乐推荐系统。本系统首先通过协同过滤算法计算出推荐结果,该算法能在一定程度上弥补根据内容分析产生结果的不完整,同时发掘用户潜在的兴趣爱好,而且该算法的实现相对容易。基于音乐基因的推荐算法是相对可扩展度较高的算法。区别于传统的计算整体音乐基因相似度的方式,本系统对采集的音乐的若干基因,通过用户的听歌记录计算用户对每项基因的偏好度,再通过偏好度对每首音乐进行加权,选取加权后音乐偏好度靠前的若干首音乐作为推荐结果。最后对两种推荐结果进行加权组合并过滤,从而实现推荐。本文的音乐推荐系统是按照传统的软件工程开发流程开发设计的,界面设计中创新地加入了若干按钮用来增加用户的必要交互,同时还可以提高系统对用户偏好的认知能力。通过实验结果评测,本文所提出的混合推荐算法能在一定程度上提高音乐推荐系统的推荐效果。