论文总字数：26092字

摘 要

音乐是人们日常生活中消解压力的主要方式之一，但是如今互联网上的音乐数据数以千万计，用户要找到喜欢的音乐如同大海捞针。在移动互联网时代，人们的生活节奏很快，设备随时随地都可以接入网络，用户在日常工作、学习或是运动中都有听音乐的习惯。面对浩瀚的音乐库，个性化音乐推荐可以帮助用户快速、准确的找到符合自己兴趣的音乐曲目，这也是目前的音乐推荐技术关注的重点。

目前工业界在音乐个性化推荐中使用较多的算法之一是基于用户的协同过滤推荐算法，然而该算法存在冷启动和数据利用率不高等问题，为了解决这些问题，提高协同过滤推荐算法的推荐效果，本文提出了一种基于社会网络优化的协同过滤音乐推荐算法，具体内容如下：根据用户喜好歌手建立用户共同关注网络，用网络中相关属性对传统协同过滤算法中的相似度计算方式进行修正，其他步骤和传统协同过算法滤的后续步骤保持不变，实现用户对音乐的预测评分，从而得到用户的top-N歌曲列表，最后通过使用网易云音乐上获取的数据，将本文所用推荐算法进行检验。

关键词：协同过滤、歌曲推荐模型、社会网络

ABSTRACT

Music is one of the main ways to relieve stress in people's daily lives, but today there are tens of millions of music data on the Internet, and users have to find their favorite music like a needle in a haystack. In the era of mobile Internet, people's life is fast, and devices can access the network anytime, anywhere. Users have the habit of listening to music in their daily work, study or sports. In the face of vast music libraries, personalized music recommendations can help users quickly and accurately find music tracks that match their interests, which is also the focus of current music recommendation technology.

At present, one of the algorithms used by the industry in music personalization recommendation is based on the user's collaborative filtering recommendation algorithm. However, the algorithm has problems such as cold start and low data utilization. In order to solve these problems, the collaborative filtering recommendation algorithm is improved. Recommendation effect, this paper proposes a collaborative filtering music recommendation algorithm based on social network optimization. The specific content is as follows: According to the user's favorite singer, the user is concerned about the network, and the similarity calculation method in the traditional collaborative filtering algorithm is performed by using the relevant attributes in the network. Correction, the other steps and the traditional steps of the traditional algorithm filtering remain unchanged, realizing the user's prediction score of music, thereby obtaining the user's top-N song list, and finally using the data obtained by Netease cloud music, the recommendation used in this article The algorithm performs the test.

KEY WORDS: collaborative filtering, song recommendation model, social network

目 录

第一章 绪论 1

1.1. 研究背景及意义 1

1.2. 文献综述 2

1.2.1. 针对用户的研究 2

1.2.2. 聚焦内容的研究 4

1.2.3. 社会网络应用于音乐推荐方法相关研究 5

1.3. 研究内容 5

第二章 相关理论概述 7

2.1. 个性化推荐系统概念 7

2.2. 主流音乐推荐算法 8

2.2.1. 协同过滤模型 8

2.2.2. 基于内容/音频/信号的音乐推荐 9

2.2.3. 基于情感的模型 10

2.2.4. 基于上下文的信息检索 11

2.2.5. 混合推荐模型 11

2.2.6. 推荐系统面临的其他问题 11

2.3. 推荐模型评价标准 12

2.3.1. 评分预测场景评价指标 12

2.3.2. Top-N推荐场景评价指标 13

第三章 基于社会网络的协同过滤歌曲推荐模型 15

3.1. 模型提出的依据 15

3.1.1. 传统的基于用户的协同过滤歌曲推荐模型内容 15

3.1.2. 传统的基于用户的协同过滤歌曲推荐模型的不足 15

3.1.3. 引入社会网络的依据 16

3.2. 基于社会网络改进的协同过滤歌曲推荐模型 17

3.2.1. 社会网络修正系数 17

3.2.2. 具体算法步骤 18

3.2.3. 生成Top-N推荐列表 20

第四章 实验结果与分析 21

4.1. 实验数据 21

4.1.1. 数据获取 21

4.1.2. 数据预处理 21

4.2. 优化模型有效性评估 21

4.3. 实验过程与结果分析 22

第五章 总结与展望 24

5.1. 研究总结 24

5.2. 后期研究展望 24

参考文献 26

致 谢 29

绪论

研究背景及意义

自古以来，世界上各个地区不论任何人种、地理环境、宗教信仰还是文化习俗，大都发展出了各具特色的音乐形式。从最开始的为统一劳动节奏的号子到庆贺丰收时的敲锣打鼓、高声呼喊，直至后来有歌词且内容纷繁复杂、形式多种多样的音乐，无不是人们为了抒发感情而作。音乐让人抒发情感，同时又能带来听觉的享受，影响我们的情绪，为我们带来情感的共鸣，因此音乐获得了众多的赞誉和喜爱，在人们的日常生活中有着很高的地位。

随着移动互联网的普及和流媒体技术的发展，音乐领域步入数字时代。二十年前市面上常见的音乐磁带、音乐CD等现在大都只存在于70后80后的回忆中，录音机、mp3(音乐播放器)也已湮没在时代的长河中。现如今，欣赏歌曲只需在手机上随便下载一款主流音乐软件，便可以随时随地收听歌曲。由于听歌成本极低以及显著的便利性，在音乐软件上听歌其已成为大多数人日常生活中不可或缺的休闲和解压方式。

剩余内容已隐藏，请支付后下载全文，论文总字数：26092字