论文部分内容阅读
随着互联网的迅速发展,数字音乐的数量呈指数级增长,这种情况使得用户检索和发现相关音乐变得非常困难,各国学者也越来越重视音乐检索领域的研究。传统的音乐检索基本上是利用元数据检索出符合条件的乐曲。这种检索方法对用户要求较高,需要用户记住目标曲目的相关信息、才能检索,已不再适合用户当下快速的生活节奏。现代生活中,用户需要的是能够连续不断的播放符合自己兴趣的音乐。多数情况下,他们将音乐背景化,边听音乐边学习、工作或是运动。音乐推荐系统的出现使得用户能够快速、连续不断的获得符合自己兴趣的音乐。然而,如何为不同的用户提供符合他们兴趣的歌曲列表,或者为其推荐感兴趣的歌曲成为目前音乐推荐系统需要解决的问题。web2.0和社会化媒体的出现及发展,允许用户的自由行为。用户可以通过自己的理解和感受为音乐定义标签,不同的标签可以从不同角度诠释用户对音乐的理解。因此,本文在社会化标注的基础上,充分利用协同标注中标签所携带的个性化描述信息和项目内容信息,提出基于社会化网络的个性化音乐推荐算法。具体包括如下几点:首先,本文以二部图节点结构相似与重启型随机游走为基础,分析音乐社交网络Last.fm中用户、项目、标签两两之间的联系,挖掘了三者之间存在的潜在语义关系提高了推荐的准确率,同时验证了标签对推荐的重要作用。其次,在前人的基础上,本文全面细致的分析音乐的各项特征,引入音乐基因组的概念。文中将用户自定义的标签定义为音乐的自由基因,更便于分析用户的用户行为,发掘用户的兴趣。最后,在当前移动服务空前发展的背景下,本文提出基于音乐基因组的个性化移动音乐推荐算法。该算法通过分析用户兴趣及用户对不同的音乐基因特征的偏好情况,全面分析用户行为,并利用不同用户之间的兴趣相似情况,构建用户之间的相邻关系,结合两方面的因素,提出了一个个性化移动音乐推荐算法,实现移动端的个性化服务。