基于用户行为时间特征的音乐推荐算法设计与实现
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 研究现状 | 第14-18页 |
| 1.2.1 协同过滤推荐系统研究现状 | 第15-16页 |
| 1.2.2 时间感知的推荐系统研究现状 | 第16页 |
| 1.2.3 音乐推荐系统研究现状 | 第16-18页 |
| 1.3 本文主要工作 | 第18-19页 |
| 1.4 论文结构 | 第19-20页 |
| 1.5 本章小结 | 第20-21页 |
| 第2章 推荐系统简介 | 第21-28页 |
| 2.1 推荐系统评测 | 第21-23页 |
| 2.2 主要推荐方法 | 第23-24页 |
| 2.3 协同过滤推荐 | 第24-26页 |
| 2.3.1 基于用户的协同过滤推荐 | 第24-25页 |
| 2.3.2 基于项目的协同过滤推荐 | 第25页 |
| 2.3.3 基于模型的协同过滤推荐 | 第25-26页 |
| 2.4 基于上下文的推荐 | 第26-27页 |
| 2.4.1 基于地点上下文的推荐 | 第26页 |
| 2.4.2 基于时间上下文的推荐 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 用户听歌行为分析及问题定义 | 第28-35页 |
| 3.1 本文解决的主要问题 | 第28-32页 |
| 3.1.1 详细问题讨论 | 第28-29页 |
| 3.1.2 系统定义 | 第29-32页 |
| 3.2 用户行为分析 | 第32-34页 |
| 3.2.1 数据处理 | 第32-33页 |
| 3.2.2 群体行为分析 | 第33页 |
| 3.2.3 个体行为分析 | 第33-34页 |
| 3.3 本章小结 | 第34-35页 |
| 第4章 基于音乐推荐度的歌曲聚类 | 第35-44页 |
| 4.1 非对称性推荐度计算 | 第35-39页 |
| 4.1.1 推荐度影响因素分析 | 第35-36页 |
| 4.1.2 基于二部图资源分配的推荐度计算 | 第36-39页 |
| 4.2 歌曲聚类 | 第39-41页 |
| 4.2.1 推荐度矩阵修正 | 第39-40页 |
| 4.2.2 K-means聚类 | 第40-41页 |
| 4.3 聚类可靠性分析 | 第41-43页 |
| 4.3.1 修正方案选择 | 第42页 |
| 4.3.2 聚类中心数选择 | 第42-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第5章 基于用户行为时间特征的音乐推荐 | 第44-56页 |
| 5.1 问题及整体架构 | 第44-45页 |
| 5.2 算法描述 | 第45-47页 |
| 5.3 实验与分析 | 第47-55页 |
| 5.3.1 参数选择 | 第47-49页 |
| 5.3.2 本文改进对比分析 | 第49-52页 |
| 5.3.3 混合切分结果性能分析 | 第52-54页 |
| 5.3.4 CF推荐改进对比分析 | 第54页 |
| 5.3.5 实验发现 | 第54-55页 |
| 5.4 本章小结 | 第55-56页 |
| 总结与展望 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 附录A 攻读硕士学位期间发表的学术论文 | 第63-64页 |
| 附录B 攻读硕士学位期间所参与的科研活动 | 第64-65页 |
| 致谢 | 第65页 |
