个性化音乐推荐系统的设计与实现
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文的主要工作和结构安排 | 第11-14页 |
| 1.3.1 主要工作 | 第11-12页 |
| 1.3.2 结构安排 | 第12-14页 |
| 第二章 音乐推荐相关技术简介 | 第14-29页 |
| 2.1 个性化推荐算法 | 第14-20页 |
| 2.1.1 基于内容的推荐算法 | 第15-16页 |
| 2.1.2 协同过滤推荐算法 | 第16-17页 |
| 2.1.3 基于二部图的推荐算法 | 第17-19页 |
| 2.1.4 混合推荐算法 | 第19-20页 |
| 2.2 社会标签在推荐中的应用 | 第20-23页 |
| 2.2.1 标签系统 | 第20-22页 |
| 2.2.2 基于标签系统的推荐模型 | 第22-23页 |
| 2.3 相似度计算 | 第23-24页 |
| 2.4 评价指标 | 第24-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于时间加权与标签的协同过滤 | 第29-55页 |
| 3.1 系统主体关系 | 第30-31页 |
| 3.2 音乐推荐方法 | 第31-42页 |
| 3.2.1 基于标签建模 | 第31-33页 |
| 3.2.2 基于标签的协同过滤分析 | 第33-35页 |
| 3.2.3 实验及分析 | 第35-42页 |
| 3.2.3.1 数据集分析 | 第35-38页 |
| 3.2.3.2 实验结果及分析 | 第38-42页 |
| 3.3 用户冷启动 | 第42-54页 |
| 3.3.1 挖掘相似用户群 | 第43-48页 |
| 3.3.1.1 基于物质扩散算法的相似度 | 第44-47页 |
| 3.3.1.2 用户聚类过程 | 第47-48页 |
| 3.3.2 构建预测模型 | 第48-50页 |
| 3.3.2.1 决策树构建过程 | 第48-49页 |
| 3.3.2.2 剪枝过程 | 第49-50页 |
| 3.3.3 用户冷启动处理 | 第50-51页 |
| 3.3.4 实验结果分析 | 第51-54页 |
| 3.4 本章小结 | 第54-55页 |
| 第四章 个性化音乐推荐系统设计与实现 | 第55-66页 |
| 4.1 总体设计 | 第55-57页 |
| 4.2 数据库设计 | 第57-59页 |
| 4.3 各模块的具体设计与实现 | 第59-65页 |
| 4.3.1 数据模块 | 第59-61页 |
| 4.3.2 用户冷启动 | 第61页 |
| 4.3.3 推荐模块 | 第61-63页 |
| 4.3.4 用户交互模块 | 第63-65页 |
| 4.4 本章小结 | 第65-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 5.1 总结 | 第66页 |
| 5.2 后续工作展望 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-71页 |
