| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 论文主要工作 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 第二章 音乐推荐系统相关算法与技术 | 第16-36页 |
| 2.1 代表性音乐推荐系统 | 第16-19页 |
| 2.1.1 Pandora网络电台 | 第17-18页 |
| 2.1.2 Last.fm | 第18-19页 |
| 2.1.3 豆瓣FM | 第19页 |
| 2.2 基于内容的推荐算法 | 第19-22页 |
| 2.3 协同过滤推荐算法 | 第22-27页 |
| 2.3.1 基于内存的协同过滤算法 | 第23-25页 |
| 2.3.2 基于模型的协同过滤算法 | 第25-27页 |
| 2.4 基于关联规则的推荐算法 | 第27-28页 |
| 2.5 音乐推荐系统相关技术 | 第28-36页 |
| 2.5.1 B/S架构 | 第28-30页 |
| 2.5.2 MVC模式 | 第30-32页 |
| 2.5.3 LAMP平台 | 第32-33页 |
| 2.5.4 CodeIgniter与Bootstrap框架 | 第33-36页 |
| 第三章 基于协同过滤与音乐基因的混合推荐模式 | 第36-45页 |
| 3.1 基于协同过滤的推荐模式 | 第36-38页 |
| 3.1.1 用户-项目矩阵 | 第36页 |
| 3.1.2 用户相似度分析 | 第36-38页 |
| 3.2 基于音乐基因的推荐模式 | 第38-40页 |
| 3.2.1 音乐基因结构 | 第38-39页 |
| 3.2.2 基因偏好度分析 | 第39-40页 |
| 3.3 混合推荐模式 | 第40-43页 |
| 3.3.1 混合推荐原理 | 第40-41页 |
| 3.3.2 混合推荐流程 | 第41-42页 |
| 3.3.3 核心算法描述 | 第42-43页 |
| 3.4 实验对比与分析 | 第43-45页 |
| 3.4.1 音乐数据集 | 第43页 |
| 3.4.2 评价标准 | 第43-44页 |
| 3.4.3 实验结果分析 | 第44-45页 |
| 第四章 音乐推荐系统的设计与实现 | 第45-56页 |
| 4.1 系统设计 | 第45-49页 |
| 4.1.1 功能模块设计 | 第45页 |
| 4.1.2 系统流程图 | 第45-47页 |
| 4.1.3 数据库设计 | 第47-49页 |
| 4.2 系统实现 | 第49-53页 |
| 4.2.1 用户管理模块的实现 | 第49-50页 |
| 4.2.2 音乐管理模块的实现 | 第50-51页 |
| 4.2.3 音乐推荐模块的实现 | 第51-53页 |
| 4.3 系统测试 | 第53-56页 |
| 第五章 总结与展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60页 |