| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 推荐系统的研究背景 | 第10页 |
| 1.2 个性化音乐推荐系统的研究意义 | 第10-11页 |
| 1.3 推荐系统的研究现状 | 第11-12页 |
| 1.4 本文主要研究工作 | 第12页 |
| 1.5 论文组织结构 | 第12-14页 |
| 第二章 推荐系统方法及原理综述 | 第14-27页 |
| 2.1 推荐系统简介 | 第14-16页 |
| 2.2 基于内容的推荐系统 | 第16-20页 |
| 2.2.1 向量空间模型与余弦相似度 | 第17-18页 |
| 2.2.2 朴素贝叶斯分类器 | 第18-20页 |
| 2.3 基于协同过滤的推荐系统 | 第20-26页 |
| 2.3.1 基于邻域的协同过滤算法 | 第22-23页 |
| 2.3.2 基于邻域的协同过滤算法三个关键点 | 第23-25页 |
| 2.3.3 基于模型的协同过滤算法 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 语义增强型协同过滤算法的研究 | 第27-46页 |
| 3.1 用户音乐下载数据分析 | 第27-28页 |
| 3.2 语义增强型的协同过滤算法基本原理 | 第28-31页 |
| 3.2.1 当前主流音乐推荐算法的不足 | 第28-30页 |
| 3.2.2 语义增强型协同过滤算法的基本原理和流程 | 第30-31页 |
| 3.3 歌曲歌词的隐语义分析 | 第31-38页 |
| 3.3.1 歌曲歌词在推荐系统中的研究意义 | 第31-32页 |
| 3.3.2 歌词语料库的建立 | 第32-33页 |
| 3.3.3 歌曲歌词的预处理 | 第33-35页 |
| 3.3.4 歌曲歌词的隐语义分析原理 | 第35-38页 |
| 3.4 歌曲的协同信息分析 | 第38-40页 |
| 3.4.1 歌曲的协同信息定义 | 第38-39页 |
| 3.4.2 歌曲协同信息分析原理 | 第39-40页 |
| 3.5 用户歌曲推荐列表计算 | 第40-41页 |
| 3.6 语义增强型的协同过滤算法对比实验及结果分析 | 第41-44页 |
| 3.6.1 实验原理及方法 | 第41-42页 |
| 3.6.2 实验结果分析 | 第42-44页 |
| 3.7 语义增强型的协同过滤算法总结 | 第44-45页 |
| 3.8 本章小结 | 第45-46页 |
| 第四章 个性化音乐推荐系统的设计与实现 | 第46-61页 |
| 4.1 个性化音乐推荐系统需求分析 | 第46页 |
| 4.2 个性化音乐推荐系统的设计 | 第46-51页 |
| 4.2.1 个性化音乐推荐系统流程 | 第46-47页 |
| 4.2.2 个性化音乐推荐系统的功能架构 | 第47-49页 |
| 4.2.3 个性化音乐推荐系统架构 | 第49-50页 |
| 4.2.4 个性化音乐推荐系统的数据库设计 | 第50-51页 |
| 4.3 个性化音乐推荐系统的实现 | 第51-59页 |
| 4.3.1 Hadoop集群搭建 | 第51-52页 |
| 4.3.2 歌词爬虫的实现和歌词语料库的建立 | 第52-54页 |
| 4.3.3 语义增强型的协同过滤算法的实现 | 第54-57页 |
| 4.3.4 WebService数据接口的实现 | 第57-59页 |
| 4.4 系统测试 | 第59-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-64页 |
| 5.1 论文工作总结 | 第61-62页 |
| 5.2 未来展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间发表的学术论文 | 第68页 |