基于深度学习的音乐推荐系统
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 音乐推荐系统 | 第11-13页 |
| 1.2.2 深度学习在推荐系统中的应用 | 第13-14页 |
| 1.3 研究目标和内容 | 第14-15页 |
| 1.4 本文结构和安排 | 第15-16页 |
| 第二章 相关研究综述与分析 | 第16-30页 |
| 2.1 研究的相关问题 | 第16页 |
| 2.2 研究基础 | 第16-30页 |
| 2.2.1 推荐系统 | 第16-20页 |
| 2.2.2 音乐信息检索 | 第20-21页 |
| 2.2.3 自动编码器 | 第21-22页 |
| 2.2.4 卷积自动编码器 | 第22-27页 |
| 2.2.5 Word2Vec | 第27-30页 |
| 第三章 混合推荐模型 | 第30-48页 |
| 3.1 评分函数 | 第30-31页 |
| 3.2 特征提取 | 第31-32页 |
| 3.2.1 音频特征 | 第31页 |
| 3.2.2 歌词特征 | 第31-32页 |
| 3.3 混合推荐模型 | 第32-37页 |
| 3.3.1 物品侧自动编码器 | 第32-34页 |
| 3.3.2 用户侧自动编码器 | 第34-35页 |
| 3.3.3 紧耦合模型 | 第35-37页 |
| 3.3.4 最优化 | 第37页 |
| 3.3.5 预测 | 第37页 |
| 3.4 实验与评估 | 第37-48页 |
| 3.4.1 数据集 | 第37-38页 |
| 3.4.2 数据预处理以及评估标准 | 第38-39页 |
| 3.4.3 特征提取 | 第39-40页 |
| 3.4.4 实验设计 | 第40-42页 |
| 3.4.5 实验结果 | 第42-44页 |
| 3.4.6 参数调整 | 第44-45页 |
| 3.4.7 实验对比 | 第45-48页 |
| 第四章 推荐系统的设计与实现 | 第48-58页 |
| 4.1 需求分析 | 第48-49页 |
| 4.1.1 功能需求 | 第48-49页 |
| 4.1.2 其他需求 | 第49页 |
| 4.2 系统设计 | 第49-52页 |
| 4.2.1 概要设计 | 第49-50页 |
| 4.2.2 详细设计 | 第50-52页 |
| 4.3 系统测试 | 第52-58页 |
| 4.3.1 功能测试 | 第52-56页 |
| 4.3.2 性能测试 | 第56-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 攻读学位期间取得的研究成果 | 第66页 |
