| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 推荐系统相关应用研究现状 | 第13-14页 |
| 1.2.2 音乐推荐系统研究现状 | 第14-16页 |
| 1.3 主要研究内容和创新点 | 第16-17页 |
| 1.4 本文结构安排 | 第17-19页 |
| 第二章 基于内容的音乐推荐系统相关技术 | 第19-31页 |
| 2.1 传统的音乐音频特征提取方法 | 第19-20页 |
| 2.2 基于深度学习的音乐音频特征提取方法 | 第20-25页 |
| 2.3 推荐策略 | 第25页 |
| 2.4 音乐数据集 | 第25-26页 |
| 2.5 评价指标 | 第26-30页 |
| 2.5.1 音乐分类评价指标 | 第26-29页 |
| 2.5.2 推荐系统评价指标 | 第29-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第三章 融合时间序列特征和图像特征的混合CRNN分类模型 | 第31-43页 |
| 3.1 构建音乐数据集 | 第31-32页 |
| 3.2 对比模型的结构 | 第32-34页 |
| 3.2.1 Dieleman等人的CNN模型结构 | 第32-33页 |
| 3.2.2 FCN6模型结构 | 第33-34页 |
| 3.3 混合CRNN模型 | 第34-39页 |
| 3.3.1 RNN及其变种 | 第34-37页 |
| 3.3.2 HCRNN模型结构 | 第37-38页 |
| 3.3.3 相关参数设置 | 第38-39页 |
| 3.4 实验结果 | 第39-41页 |
| 3.4.1 不同分类标准数据集的分类效果 | 第39-41页 |
| 3.4.2 模型的参数数量对比 | 第41页 |
| 3.5 本章小结 | 第41-43页 |
| 第四章 构建基于内容的音乐推荐系统 | 第43-61页 |
| 4.1 音乐推荐数据集 | 第43-44页 |
| 4.2 用户画像 | 第44-46页 |
| 4.3 推荐流程 | 第46-51页 |
| 4.3.1 用户特征 | 第46-48页 |
| 4.3.2 歌曲特征 | 第48-49页 |
| 4.3.3 推荐方式 | 第49-51页 |
| 4.4 实验设置与结果分析 | 第51-59页 |
| 4.4.1 实验设置 | 第51-54页 |
| 4.4.2 客观实验结果 | 第54-55页 |
| 4.4.3 主观实验结果 | 第55-59页 |
| 4.5 本章小结 | 第59-61页 |
| 第五章 总结与展望 | 第61-65页 |
| 5.1 本文工作内容 | 第61-62页 |
| 5.2 未来工作展望 | 第62-65页 |
| 参考文献 | 第65-73页 |
| 致谢 | 第73-74页 |