一种改进的基于内容的加权标签音乐推荐方法
来源:56doc.com 资料编号:5D23950 资料等级:★★★★★ %E8%B5%84%E6%96%99%E7%BC%96%E5%8F%B7%EF%BC%9A5D23950
资料以网页介绍的为准,下载后不会有水印.资料仅供学习参考之用. 密 保 惠 帮助
资料介绍
一种改进的基于内容的加权标签音乐推荐方法(中文6000字,英文PDF)
1 简介
随着万维网的发展,数百万的免费在线音乐使人们很难手动的找到他们喜欢的歌曲。推荐系统提供了广泛适用的的解决信息过载问题的方案,并且可以自动的帮助人们决定听什么。
当前的音乐推荐技术主要分为两个类别:基于内容的过滤[1]和协同过滤[2]。 基于内容的过滤技术通过元数据分析用户或项目之间的相似性,例如用户简档和音乐声学特征。相比之下,协同过滤技术通过用户的过去行为来分析用户或项目之间的相似性,而不需要领域知识。潜在因素模型如矩阵因子分解(MF)和邻域模型是协同过滤中的典型方法。他们通过分析用户的歌单历史来发现用户和项目之间的关系。此外,还有其他新技术,如 LDA方法[3]和基于图的模型[4]。虽然传统的推荐系统可以有效地预测用户喜欢的歌曲,但是他们几乎不能做出可理解的解释,为什么他们做这些推荐,并且难以回答用户喜欢或者不喜欢哪种类型的音乐的问题。
|