基于用户偏好的个性化音乐推荐方法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 本论文研究内容 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-15页 |
| 第二章 相关理论基础 | 第15-22页 |
| 2.1 协同过滤 | 第15-18页 |
| 2.1.1 基于用户的协同过滤算法 | 第15-16页 |
| 2.1.2 基于物品的协同过滤算法 | 第16-17页 |
| 2.1.3 基于模型的协同过滤算法 | 第17-18页 |
| 2.2 古德-图灵估计 | 第18-20页 |
| 2.2.1 古德-图灵估计的基本原理 | 第18-19页 |
| 2.2.2 古德-图灵估计的实例应用 | 第19-20页 |
| 2.3 随机游走算法 | 第20-21页 |
| 2.3.1 随机游走算法的基本原理 | 第20页 |
| 2.3.2 随机游走算法的应用 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 基于标签的个性化音乐推荐方法 | 第22-32页 |
| 3.1 问题描述和解决思路 | 第22-23页 |
| 3.2 评分机制建立 | 第23-25页 |
| 3.2.1 用户历史记录分析 | 第23-25页 |
| 3.2.2 用户-音乐评分机制建立 | 第25页 |
| 3.3 构造用户的相似度矩阵 | 第25-27页 |
| 3.3.1 获取歌曲和歌手的相关标签 | 第25-26页 |
| 3.3.2 建立用户偏好向量并做出推荐 | 第26-27页 |
| 3.4 实验与分析 | 第27-31页 |
| 3.4.1 实验数据 | 第28页 |
| 3.4.2 评价指标 | 第28页 |
| 3.4.3 实验结果与分析 | 第28-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第四章 基于用户特征的个性化音乐推荐方法 | 第32-43页 |
| 4.1 问题解决和思路描述 | 第32-33页 |
| 4.2 用户特征的计算 | 第33-35页 |
| 4.2.1 好奇心的计算 | 第33-35页 |
| 4.2.2 多样性的计算 | 第35页 |
| 4.2.3 主流性的计算 | 第35页 |
| 4.3 用户特征和随机游走方法的整合 | 第35-38页 |
| 4.3.1 图的构建 | 第36-37页 |
| 4.3.2 推荐列表的生成 | 第37-38页 |
| 4.4 实验与分析 | 第38-42页 |
| 4.4.1 实验数据和参数的设置 | 第38-39页 |
| 4.4.2 评价指标 | 第39页 |
| 4.4.3 实验结果与分析 | 第39-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第五章 总结与展望 | 第43-45页 |
| 5.1 本文总结 | 第43页 |
| 5.2 未来展望 | 第43-45页 |
| 参考文献 | 第45-49页 |
| 发表论文和科研情况说明 | 第49-50页 |
| 致谢 | 第50页 |
