基于FP-growth算法的音樂推薦應用研究.pdf

1、個性化推薦在社會生活中的各方面都有應用，音樂推薦是其中的重要一環(huán)。目前數字音樂的增長是指數級別的，當用戶想從海量音樂中搜索并發(fā)現(xiàn)自己喜歡的音樂時，會發(fā)現(xiàn)往往達不到自己的目的，面對這種需求，國內外學者爭相研究音樂檢索問題，比較常見的音樂檢索方法只能利用現(xiàn)有的樂庫，當用戶把目標曲庫的各種信息記住以后才能進行檢索，在社會生活節(jié)奏日益加快的情況下，這種方法顯然不太符合用戶要求，及時快速的反應才是用戶真正的需求，因此系統(tǒng)需要清楚地了解用戶的需要，

2、明白用戶的興趣點，并把相應的音樂播放出來，達到用戶想要的效果。當前，亟需解決的問題是針對不同的用戶，為他們推薦獨一無二最符合他們興趣的歌單。
　　音樂推薦技術多為基于標簽的、基于內容的、基于協(xié)同過濾的方法等，基于關聯(lián)規(guī)則算法的推薦系統(tǒng)研究尚處于起步階段，在音樂上的應用研究也不多見。因此本文在回顧總結了數據挖掘技術和音樂推薦技術的基礎上，將關聯(lián)規(guī)則算法中的FP-growth算法與基于協(xié)同過濾的推薦算法和基于內容的推薦算法進行對比評價

3、，證明該算法的優(yōu)越性以及解決推薦問題的作用，之后將本算法應用于實際的音樂數據挖掘和推薦中，并將音樂數據庫中的數據進行有效的數據轉換，提高挖掘效率和準確性，對音樂推薦結果進行了用戶滿意度的測評，證明依照本文所述算法實現(xiàn)的音樂推薦確有其可行性及實際的應用價值。最后對實際研究中所做的工作進行了總結，同時對算法的改進和推薦技術的未來等方面做出了展望。
　　網絡音樂推薦系統(tǒng)的技術還有待發(fā)展，本文的研究對FP-growth算法在音樂上的應用做