具有多樣性的在線KTV音樂(lè)推薦算法研究.pdf

1、隨著因特網(wǎng)的迅猛發(fā)展，在線多媒體娛樂(lè)被越來(lái)越多的人所接受。同時(shí)，在線KTV作為一種新興的在線多媒體娛樂(lè)形式，受到了越來(lái)越多的關(guān)注。但是受信息過(guò)載的影響，人們?cè)诔汕先f(wàn)的歌曲中尋找自己的所需，變得越來(lái)越困難。有的用戶(hù)由于平時(shí)熟練的歌曲不多，即使在系統(tǒng)中有自己會(huì)唱的歌曲，往往也很難快速發(fā)現(xiàn)它們;而另一些用戶(hù)由于會(huì)唱的歌曲過(guò)多，進(jìn)入系統(tǒng)后又會(huì)顯得不知所措。因此使用推薦系統(tǒng)，幫助用戶(hù)從眾多的候選項(xiàng)目中快速地選出符合其喜好的音樂(lè)，就顯得十分重要。

2、
　　然而，因?yàn)樵诰€KTV系統(tǒng)中的分?jǐn)?shù)，代表的是用戶(hù)演唱水平，而非其喜好程度，所以普通的協(xié)同過(guò)濾推薦系統(tǒng)在這里并不適用。同時(shí)，由于情感等因素的影響，用戶(hù)的翻唱具有一定的序列特性，而一般的推薦系統(tǒng)并不擅長(zhǎng)捕捉這一特點(diǎn)。因此本文對(duì)歌曲與用戶(hù)進(jìn)行建模，對(duì)在線KTV音樂(lè)推薦進(jìn)行了探索，主要研究?jī)?nèi)容與貢獻(xiàn)如下:
　　1.通過(guò)對(duì)用戶(hù)歷史翻唱記錄的學(xué)習(xí)，捕捉了用戶(hù)與歌曲以及歌曲之間的聯(lián)系，提出了個(gè)性化馬爾可夫映射模型，同時(shí)利用用戶(hù)的長(zhǎng)期偏