| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 引言 | 第12-17页 |
| 第二章 相关工作 | 第17-30页 |
| 2.1 音乐推荐算法 | 第17-19页 |
| 2.1.1 基于用户即时行为的音乐推荐 | 第17-18页 |
| 2.1.2 基于用户长期行为的音乐推荐 | 第18页 |
| 2.1.3 基于用户中期行为的音乐推荐 | 第18-19页 |
| 2.2 相似度度量 | 第19-21页 |
| 2.2.1 余弦相似度 | 第19-20页 |
| 2.2.2 KL距离 | 第20页 |
| 2.2.3 Hellinger距离 | 第20-21页 |
| 2.3 评测指标 | 第21-22页 |
| 2.3.1 用户满意度 | 第21页 |
| 2.3.2 预测准确度 | 第21-22页 |
| 2.3.3 其他评测指标 | 第22页 |
| 2.4 分布式实时计算系统 | 第22-24页 |
| 2.4.1 基本组成 | 第23页 |
| 2.4.2 分布式过程调用 | 第23-24页 |
| 2.5 文本建模 | 第24-27页 |
| 2.5.1 向量空间模型 | 第25-26页 |
| 2.5.2 LDA模型 | 第26-27页 |
| 2.6 时间序列预测 | 第27-30页 |
| 2.6.1 简单平均法 | 第28页 |
| 2.6.2 差分整合移动平均自回归模型 | 第28-30页 |
| 第三章 基于多维时间序列分析的音乐推荐方法 | 第30-46页 |
| 3.1 问题描述 | 第30-32页 |
| 3.2 方法框架 | 第32-34页 |
| 3.3 主题模型建模 | 第34-35页 |
| 3.4 多维时间序列构造与预测 | 第35-37页 |
| 3.5 相似度计算 | 第37-38页 |
| 3.6 推荐列表生成 | 第38页 |
| 3.7 实验设计和结果 | 第38-46页 |
| 3.7.1 数据收集 | 第38-39页 |
| 3.7.2 评测标准 | 第39-41页 |
| 3.7.3 实验设置 | 第41-42页 |
| 3.7.4 结果分析 | 第42-46页 |
| 第四章 基于用户长期行为、中期行为和即时行为的综合音乐推荐方法 | 第46-54页 |
| 4.1 综合音乐推荐 | 第46-50页 |
| 4.1.1 方法选取 | 第48-49页 |
| 4.1.2 综合策略 | 第49-50页 |
| 4.2 实验结果 | 第50-52页 |
| 4.3 分析讨论 | 第52-54页 |
| 4.3.1 最大分析长度 | 第52页 |
| 4.3.2 不同文本分析方法比较 | 第52-54页 |
| 第五章 系统实现 | 第54-66页 |
| 5.1 系统架构 | 第54-57页 |
| 5.2 离线处理模块 | 第57-61页 |
| 5.2.1 爬虫系统 | 第57-59页 |
| 5.2.2 结巴分词 | 第59页 |
| 5.2.3 Gensim软件包 | 第59-61页 |
| 5.3 在线处理模块 | 第61-64页 |
| 5.3.1 序列生成 | 第61-62页 |
| 5.3.2 推荐引擎 | 第62-64页 |
| 5.4 系统效果 | 第64-66页 |
| 第六章 总结与展望 | 第66-67页 |
| 6.1 工作总结 | 第66页 |
| 6.2 工作展望 | 第66-67页 |
| 附录A 数据集使用说明 | 第67-70页 |
| A.1 权利声明 | 第67页 |
| A.2 数据特点 | 第67页 |
| A.3 组织形式 | 第67-68页 |
| A.4 字段解析 | 第68-69页 |
| A.4.1 scale | 第68页 |
| A.4.2 playlist | 第68-69页 |
| A.4.3 toptag | 第69页 |
| A.4.4 其他字段 | 第69页 |
| A.5 应用场景 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 简历与科研成果 | 第75-76页 |
| 致谢 | 第76-77页 |