| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题背景和意义 | 第10-11页 |
| 1.2 课题研究内容 | 第11-13页 |
| 1.2.1 研究内容 | 第11-13页 |
| 1.2.2 本人所承担的工作 | 第13页 |
| 1.3 本文的文章结构 | 第13-16页 |
| 第二章 相关研究工作 | 第16-34页 |
| 2.1 基于内容的推荐算法 | 第16-18页 |
| 2.2 基于协同过滤的推荐算法 | 第18-19页 |
| 2.3 分类器和分类算法 | 第19-20页 |
| 2.4 音频处理 | 第20-22页 |
| 2.4.1 声谱图分析 | 第21页 |
| 2.4.2 梅尔频率分析 | 第21-22页 |
| 2.4.3 梅尔倒谱系数(Mel-Frequency Cepstral Coefficients, MFCC) | 第22页 |
| 2.5 深度学习 | 第22-29页 |
| 2.5.1 深度神经网络 | 第22-24页 |
| 2.5.2 卷积神经网络 | 第24-25页 |
| 2.5.3 循环神经网络 | 第25-27页 |
| 2.5.4 Theano和Keras | 第27-28页 |
| 2.5.5 深度学习音乐建模方法比较 | 第28-29页 |
| 2.6 模型评估方法 | 第29-32页 |
| 2.6.1 准确率、召回率及F值 | 第29-30页 |
| 2.6.2 ROC曲线 | 第30-31页 |
| 2.6.3 AUC值 | 第31页 |
| 2.6.4 模型评估指标小结 | 第31-32页 |
| 2.7 本章小结 | 第32-34页 |
| 第三章 数据集及数据处理 | 第34-40页 |
| 3.1 用户数据 | 第34-36页 |
| 3.1.1 用户播放数据整合 | 第35页 |
| 3.1.2 标签数据整合 | 第35-36页 |
| 3.2 音频数据 | 第36-38页 |
| 3.2.1 采集与存储 | 第36-37页 |
| 3.2.2 音频处理 | 第37-38页 |
| 3.3 数据集划分 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 基于内容语义的推荐模型 | 第40-50页 |
| 4.1 CNN推荐模型 | 第40-44页 |
| 4.1.1 整体架构 | 第40页 |
| 4.1.2 CNN模型结构图 | 第40-41页 |
| 4.1.3 卷积核与激活函数 | 第41-42页 |
| 4.1.4 池化与目标函数 | 第42-43页 |
| 4.1.5 输出及推荐 | 第43-44页 |
| 4.2 CRNN推荐模型 | 第44-48页 |
| 4.2.1 整体结构 | 第44页 |
| 4.2.2 CRNN结构图 | 第44-45页 |
| 4.2.3 卷积核与激活函数 | 第45-46页 |
| 4.2.4 池化与目标函数 | 第46页 |
| 4.2.5 Dropout优化与正则化 | 第46-48页 |
| 4.2.6 输出和推荐 | 第48页 |
| 4.3 本章小结 | 第48-50页 |
| 第五章 实验及评估 | 第50-56页 |
| 5.1 分类器效果对比及分析 | 第50-52页 |
| 5.1.1 对比算法 | 第50-51页 |
| 5.1.2 对比实验 | 第51-52页 |
| 5.2 推荐算法效果对比及分析 | 第52-55页 |
| 5.2.1 对比算法 | 第52-53页 |
| 5.2.2 对比实验 | 第53-55页 |
| 5.3 本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 6.1 本文工作总结 | 第56-57页 |
| 6.2 未来工作展望 | 第57-58页 |
| 参考文献 | 第58-64页 |
| 致谢 | 第64-66页 |
| 作者攻读学位期间发表的学术论文目录 | 第66页 |