| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-19页 |
| 1.1 论文背景及研究意义 | 第11-15页 |
| 1.2 国内外音乐推荐研究现状 | 第15-17页 |
| 1.2.1 国外音乐推荐研究 | 第15-16页 |
| 1.2.2 国内音乐推荐研究 | 第16-17页 |
| 1.3 论文研究内容、思路和方法 | 第17-18页 |
| 1.4 本文结构 | 第18-19页 |
| 2 理论基础及推荐技术研究 | 第19-32页 |
| 2.1 数据挖掘算法理论基础 | 第19-20页 |
| 2.1.1 数据挖掘研究概况 | 第19页 |
| 2.1.2 数据挖掘理论 | 第19-20页 |
| 2.2 关联规则挖掘算法理论研究 | 第20-26页 |
| 2.2.1 关联规则的基本概念及问题描述 | 第20-24页 |
| 2.2.2 FP-growth算法适用性分析 | 第24-26页 |
| 2.3 音乐推荐技术背景 | 第26-31页 |
| 2.3.1 音乐推荐技术简介 | 第26-29页 |
| 2.3.2 音乐推荐技术问题分析 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 3 音乐推荐算法选择分析 | 第32-41页 |
| 3.1 音乐数据收集准备 | 第32-33页 |
| 3.2 评价标准 | 第33-34页 |
| 3.3 推荐算法对比实验设计 | 第34页 |
| 3.4 算法推荐对比结果分析 | 第34-40页 |
| 3.4.1 基于协同过滤的推荐与基于FP-growth的推荐对比分析 | 第34-37页 |
| 3.4.2 基于内容的推荐与基于FP-growth的推荐对比分析 | 第37-40页 |
| 3.5 本章小结 | 第40-41页 |
| 4 FP-GROWTH算法在音乐推荐中的应用实例 | 第41-58页 |
| 4.1 音乐推荐实验设计 | 第41-47页 |
| 4.1.1 实验平台搭建 | 第41页 |
| 4.1.2 实验数据来源 | 第41-45页 |
| 4.1.3 关联规则数据规范 | 第45-46页 |
| 4.1.4 实验内容 | 第46-47页 |
| 4.2 歌曲-歌曲关联规则挖掘策略 | 第47-51页 |
| 4.2.1 数据挖掘结果分析 | 第47-49页 |
| 4.2.2 数据挖掘规则提取 | 第49-50页 |
| 4.2.3 用户满意度测评 | 第50-51页 |
| 4.3 用户属性-歌曲关联规则挖掘策略 | 第51-53页 |
| 4.3.1 数据挖掘结果分析 | 第51-52页 |
| 4.3.2 数据挖掘规则 | 第52页 |
| 4.3.3 用户满意度测评 | 第52-53页 |
| 4.4 混合音乐推送策略 | 第53-57页 |
| 4.4.1 数据挖掘结果分析 | 第54-55页 |
| 4.4.2 数据挖掘规则 | 第55-56页 |
| 4.4.3 用户满意度测评 | 第56-57页 |
| 4.5 本章小结 | 第57-58页 |
| 5 总结与展望 | 第58-60页 |
| 5.1 本文完成的主要工作 | 第58页 |
| 5.2 本文的主要贡献及创新点 | 第58页 |
| 5.3 今后的工作 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 附录A | 第63-65页 |
| 附录B | 第65-66页 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 | 第66-68页 |
| 学位论文数据集 | 第68页 |