基于用户评论的音乐推荐系统的研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第14-18页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-16页 |
| 1.3 本文主要工作 | 第16-17页 |
| 1.4 本文组织结构及内容安排 | 第17-18页 |
| 2 相关概念和技术简介 | 第18-28页 |
| 2.1 协同过滤推荐算法 | 第18-22页 |
| 2.1.1 基于内存的协同过滤算法 | 第18-19页 |
| 2.1.2 基于模型的协同过滤算法 | 第19-21页 |
| 2.1.3 相似度计算方法 | 第21-22页 |
| 2.2 k-means聚类算法 | 第22-23页 |
| 2.2.1 算法的基本思想 | 第23页 |
| 2.2.2 实现过程 | 第23页 |
| 2.3 文本挖掘 | 第23-27页 |
| 2.3.1 中文分词 | 第24页 |
| 2.3.2 向量空间模型 | 第24-25页 |
| 2.3.3 LDA主题模型 | 第25-26页 |
| 2.3.4 文本挖掘的处理流程 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 3 基于用户评论的音乐推荐整体框架设计 | 第28-34页 |
| 3.1 需求分析 | 第28页 |
| 3.2 总体框架设计 | 第28-33页 |
| 3.2.1 评论数据获取及预处理模块 | 第29-30页 |
| 3.2.2 用户歌曲评论挖掘模块 | 第30-31页 |
| 3.2.3 用户兴趣和歌曲特征挖掘模块 | 第31页 |
| 3.2.4 音乐歌曲推荐模块 | 第31页 |
| 3.2.5 歌单数据获取及挖掘模块 | 第31-32页 |
| 3.2.6 歌单评分矩阵填充模块 | 第32-33页 |
| 3.2.7 音乐歌单推荐模块 | 第33页 |
| 3.3 本章小结 | 第33-34页 |
| 4 基于用户评论的音乐推荐算法设计 | 第34-56页 |
| 4.1 评论数据获取及预处理 | 第34-36页 |
| 4.1.1 评论数据的获取 | 第34-35页 |
| 4.1.2 评论数据的预处理 | 第35-36页 |
| 4.2 用户歌曲评论挖掘 | 第36-40页 |
| 4.2.1 评论文本向量化表示 | 第36-39页 |
| 4.2.2 主题抽取 | 第39-40页 |
| 4.3 音乐歌曲推荐 | 第40-46页 |
| 4.3.1 用户兴趣和歌曲特征提取 | 第40-42页 |
| 4.3.2 融合用户评论的矩阵分解歌曲推荐算法 | 第42-45页 |
| 4.3.3 歌曲推荐算法的伪代码设计 | 第45-46页 |
| 4.4 歌单数据的获取与挖掘 | 第46-49页 |
| 4.4.1 音乐歌单数据的获取及预处理 | 第46-48页 |
| 4.4.2 歌单文本挖掘 | 第48-49页 |
| 4.5 音乐歌单推荐 | 第49-55页 |
| 4.5.1 建立原始用户-歌单评分矩阵 | 第49-50页 |
| 4.5.2 文本相似度计算 | 第50-51页 |
| 4.5.3 基于用户评论的聚类歌单推荐算法 | 第51-54页 |
| 4.5.4 歌单推荐算法的伪代码设计 | 第54-55页 |
| 4.6 本章小结 | 第55-56页 |
| 5 实验结果与分析 | 第56-66页 |
| 5.1 实验数据 | 第56-57页 |
| 5.2 评价指标 | 第57-58页 |
| 5.3 实验设计 | 第58-59页 |
| 5.4 实验结果分析 | 第59-65页 |
| 5.4.1 歌曲推荐实验结果分析 | 第59-62页 |
| 5.4.2 歌单推荐实验结果分析 | 第62-65页 |
| 5.5 本章小结 | 第65-66页 |
| 6 总结与展望 | 第66-68页 |
| 6.1 论文工作总结 | 第66页 |
| 6.2 下一步研究展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 作者简介及读研期间主要科研成果 | 第74-75页 |
