基于用户的协同过滤算法音乐推荐系统.docx

发布时间：2022-06-03 发布人：admin 分类：说明书资料大小：4.89M 资料格式：docx 举报版权申诉

qq_41761176-12376859-4744300845402111166.docx.pdf-第1页.png

第1页 / 共43页

qq_41761176-12376859-4744300845402111166.docx.pdf-第2页.png

第2页 / 共43页

qq_41761176-12376859-4744300845402111166.docx.pdf-第3页.png

第3页 / 共43页

qq_41761176-12376859-4744300845402111166.docx.pdf-第4页.png

第4页 / 共43页

qq_41761176-12376859-4744300845402111166.docx.pdf-第5页.png

第5页 / 共43页

qq_41761176-12376859-4744300845402111166.docx.pdf-第6页.png

第6页 / 共43页

qq_41761176-12376859-4744300845402111166.docx.pdf-第7页.png

第7页 / 共43页

qq_41761176-12376859-4744300845402111166.docx.pdf-第8页.png

第8页 / 共43页

第一章绪论

1.1 推荐系统概述

1.2 推荐系统的背景

1.3推荐系统的应用

1.3.1 电子商务网站

1.2.2 电影和视频网站

1.2.3 个性化音乐网络电台

1.2.4 社交网站

1.2.5个性化阅读

1.2.6 其他推荐的应用

1.3 推荐系统的相关技术

1.3.1 基于内容推荐

1.3.2协同过滤推荐

1.3.3 基于关联规则推荐

1.3.4 基于效用推荐

1.3.5 基于知识推荐

1.3.6 组合推荐

1.3.7 基于深度学习的推荐技术

1.4 实践成果背景

第二章需求分析

2.1 业务分析

2.2 系统功能需求分析

2.3 系统性能需求分析

2.4系统数据需求分析

第3章系统设计

3.1 系统功能设计

3.2算法设计

3.2.1 用户行为分析

3.2.2 协同过滤算法

3.2.3 两种协同过滤算法对比

3.2.4 基于用户的协同过滤算法

3.2.5 基于物品的协同过滤算法

3.4 数据库设计

3.4.1 数据库的详细设计

第4章系统实现

4.1 系统界面实现

4.1.1 登录/注册界面

4.1.2 主页面

4.1.3 搜索/分类显示页面

4.1.4 论文阅读页面

4.2功能模块实现

4.2.1 注册\登陆模块

4.2.2搜索功能

4.2.3推荐模块

4.2.3 主页模块实现

第5章总结

参考文献：

中原工学院软件学院实践成果三一报告班级：卓越 171 姓名：杨松桦实践成果三—报告专业：软件工程_______ 课题名称：基于协同过滤算法的论文推荐系统班级：卓越 171_______ 学号： 201719244324___ _ 学生姓名：杨松桦 _______ 指导教师：贾晓辉________ 1

中原工学院软件学院实践成果三一报告班级：卓越 171 姓名：杨松桦 2019 年 6 月 20 日目录第一章绪论...........................................................................................................................4 1.1 推荐系统概述..................................................................................................................4 1.2 推荐系统的背景..............................................................................................................5 1.3 推荐系统的应用...............................................................................................................5 1.3.1 电子商务网站........................................................................................................... 6 1.2.2 电影和视频网站....................................................................................................... 7 1.2.3 个性化音乐网络电台............................................................................................... 8 1.2.4 社交网站................................................................................................................... 9 1.2.5 个性化阅读..............................................................................................................10 1.2.6 其他推荐的应用..................................................................................................... 11 1.3 推荐系统的相关技术....................................................................................................12 1.3.1 基于内容推荐......................................................................................................... 12 1.3.2 协同过滤推荐..........................................................................................................12 1.3.3 基于关联规则推荐................................................................................................. 13 1.3.4 基于效用推荐......................................................................................................... 13 1.3.5 基于知识推荐......................................................................................................... 13 1.3.6 组合推荐................................................................................................................. 13 1.3.7 基于深度学习的推荐技术..................................................................................... 14 1.4 实践成果背景................................................................................................................15 第二章需求分析...............................................................................................................17 2.1 业务分析........................................................................................................................17 2.2 系统功能需求分析........................................................................................................17 2.3 系统性能需求分析........................................................................................................18 2.4 系统数据需求分析.........................................................................................................18 第三章系统设计...............................................................................................................19 2

中原工学院软件学院实践成果三一报告班级：卓越 171 姓名：杨松桦 3.1 系统功能设计................................................................................................................19 3.2 算法设计.........................................................................................................................21 3.2.1 用户行为分析......................................................................................................... 21 3.2.2 协同过滤算法......................................................................................................... 22 3.2.3 两种协同过滤算法对比......................................................................................... 23 3.2.4 基于用户的协同过滤算法..................................................................................... 23 3.2.5 基于物品的协同过滤算法..................................................................................... 24 3.4 数据库设计....................................................................................................................27 3.4.1 数据库的详细设计................................................................................................. 27 第四章系统实现.................................................................................................................30 4.1 系统界面实现................................................................................................................30 4.1.1 登录/注册界面........................................................................................................ 30 4.1.2 主页面..................................................................................................................... 31 4.1.3 搜索/分类显示页面................................................................................................ 32 4.1.4 论文阅读页面......................................................................................................... 33 4.2 功能模块实现...........................................................................................................34 4.2.1 注册\登陆模块........................................................................................................ 34 4.2.2 搜索功能..................................................................................................................36 4.2.3 推荐模块..................................................................................................................37 4.2.3 主页模块实现......................................................................................................... 39 第五章总结.........................................................................................................................41 参考文献：...........................................................................................................................42 3

中原工学院软件学院实践成果三一报告班级：卓越 171 姓名：杨松桦第一章绪论 1.1 推荐系统概述自从 1950 年互联网这一高新技术诞生以来, 在快速推荐了社会产业融合和人类发展的同时, 也一直呈递出一种指数型的发展趋势. 而存储在互联网中大量的数据的增长长度导致想要表示的可计量单位都在迅速变化. 近年来，伴随着云计算、-大数据、物联网、人工智能等信息技术的快速发展和传统产业数字化的转型，数据量呈现几何级增长，据 IDC 预测，全球数据总量预计 2020 年达到 44 个 ZB，我国数据量将达到 8060 个 EB，占全球数据总量的 18%。时至今日互联网每天新增的数据量达 2.5*10^18 字节，而全球 90%的数据都是在过去的两年间创造出来的。举个直观的例子来说明一下互联网的数据量：假设大西洋里每一升海水代表一个字节的数据，那么整个大西洋存储的数据也只能到 2010 年就满了。从外行的角度看来大数据是个挺了不起的东西，它也确实了不起，不过有一个前提就是我们能够有效地处理数据。在这种飞速迭代的发展情况之下, 前两年我们还为这互联网为我带带来的信息遍历, 如今又迭代为了一个极为严重的问题 – 信息过载. 随着信息技术和互联网的发展，人们逐渐从信息匮乏的时代走入了信息过载（information overload）的时代。在这个时代，无论是信息消费者还是信息生产者都遇到了很大的挑战：作为信息消费者，如何从大量信息中找到自己感兴趣的信息是一件非常困难的事情；作为信息生产者，如何让自己生产的信息脱颖而出，受到广大用户的关注，也是一件非常困难的事情。推荐系统就是解决这一矛盾的重要工具。推荐系统的任务就是联系用户和信息，一方面帮助用户发现对自己有价值的信息，另一方面让信息能够展现在对它感兴趣的用户面前，从而实现信息消费者和信息生产者的双赢. 图 1.1 推荐系统 4

中原工学院软件学院实践成果三一报告班级：卓越 171 姓名：杨松桦 1.2 推荐系统的背景如今，我们这代人正经历从信息时代(Information Technology , IT)到数据时代(Data Technology , DT)的变迁，DT 时代比较明显的标志就是：信息过载。在 DT 时代，充斥着海量的信息，如何从海量的信息中快捷的帮助特定用户找到感兴趣的信息呢？有两种相关的解决技术：搜索引擎与推荐系统。如果用户有着明确的需求, 那么他完全可以使用搜索引擎. 但是，如果用户没有明确的需求呢？然而大多数适合, 我们其实都没有明确的需求.比如你今天很无聊，想下载一部电影看看。但当你打开某个下载网站，面对 100 年来发行的数不胜数的电影，你会手足无措，不知道该看哪一部。此时，你遇到了信息过载的问题，需要一个人或者工具来帮助你做筛选，给出一些建议供你选择。如果这时候有个喜欢看电影的朋友在身边，你可能会请他推荐几部电影。不过，总不能时时刻刻都去麻烦“专家”给你推荐，你需要的是一个自动化的工具，它可以分析你的历史兴趣，从庞大的电影库中找到几部符合你兴趣的电影供你选择。这个工具就是个性化推荐系统. 图 1.2 现状与搜索引擎不同，推荐系统不需要用户准确地描述出自己的需求，而是根据分析历史行为建模，主动提供满足用户兴趣和需求的信息。从物品的角度出发，推荐系统可以更好地发掘物品的长尾（long tail）推荐系统是一种信息过滤系统，用于预测用户对物品的“评分”或“偏好”。推荐系统产生推荐列表的方式通常有两种：协同过滤以及基于内容推荐，或者基于个性化推荐。协同过滤方法根据用户历史行为（例如其购买的、选择的、评价过的物品等）结合其他用户的相似决策建立模型。这种模型可用于预测用户对哪些物品可能感兴趣（或用户对物品的感兴趣程度）。基于内容推荐利用一些列有关物品的离散特征，推荐出具有类似性质的相似物品。两种方法经常互相结合（参考混合推荐系统） 1.3 推荐系统的应用由于 BT 时代的特殊背景和用户的强烈需求, 目前对于推荐系统的应用可以说以及是 5

中原工学院软件学院实践成果三一报告班级：卓越 171 姓名：杨松桦遍地开完, 只要一个成型成体系的信息化网站, 都面临着巨大的推荐系统需求, 尽管不同的网站使用不同的推荐系统技术，但总地来说，几乎所有的推荐系统应用都是由前台的展示页面、后台的日志系统以及推荐算法系统 3 部分构成的。从网站分类上看, 目前主流大幅度应用推荐系统的网站主要有着以下几种: 1.3.1 电子商务网站电子商务网站是个性化推荐系统的一大应用领域。在国外著名的电子商务网站亚马逊是个性化推荐系统的积极应用者和推广者，被 RWW（读写网）称为“推荐系统之王”。而随着近些年中国互联网的飞速网站，也涌现出了一大批优秀的电子商务网站。例如下图中国内最大的电商网站，可以看到网站内包括主页的各个地方和角落充斥着推荐的内容，这背后无疑有着盘根错节的推荐算法。商品推荐页主要包括的内容有（1）推荐结果的标题，缩略图以及其他内容属性（2）推荐结果的评分（3）推荐理由。亚马逊的推荐有以下三种：（1）基于用户之前的行为，例如购买过武侠小说，会继续推荐别的武侠小说。（2）基于用户的好友关系，例如亚马逊拿到用户的 Facebook 的好友，然后向用户推荐他的好友都买了啥（3）基于物品的相似度，例如购买了该商品的用户还买了哪些商品。图 1.3 淘宝网推荐页面 6

中原工学院软件学院实践成果三一报告班级：卓越 171 姓名：杨松桦图 1.4 亚马逊推荐页面 1.2.2 电影和视频网站在电影和视频网站中，个性化推荐系统也是一种重要的应用。这种和电子商务不太一样，这种用户通常只是想看电影，但是并没有很明确的需求要看那部电影甚至是哪种类型的电影。它能够帮助用户在浩瀚的视频库中找到令他们感兴趣的视频。在该领域成功使用推荐系统的公司就是 Netflix 和 YouTube，其中 Netflix 和亚马逊是推荐系统领域最具代表性的两家公司。 YouTube 作为美国最大的视频网站，拥有大量用户上传的视频内容。由于视频数量非常大，用户在 YouTube 中面临着严重的信息过载问题。为此，YouTube 在个性化推荐领域也进行了深入研究，尝试了很多算法。在 YouTube 最新的论文中，他们的研究人员表示现在使用的也是基于物品的推荐算法。为了证明个性化推荐的有效性，YouTube 曾经做个一个实验，比较了个性化推荐的点击率和热门视频列表的点击率，实验结果表明个性化推荐的点击率是热门视频点击率的两倍。 7

中原工学院软件学院实践成果三一报告班级：卓越 171 姓名：杨松桦图 1.5 Youtube 主页充斥着推荐 1.2.3 个性化音乐网络电台个性化推荐的成功应用需要两个条件。第一是存在信息过载，因为如果用户可以很容易地从所有物品中找到喜欢的物品，就不需要个性化推荐了。第二是用户大部分时候没有特别明确的需求，因为用户如果有明确的需求，可以直接通过搜索引擎找到感兴趣的物品。在这两个条件下，个性化网络电台无疑是最合适的个性化推荐产品。首先，音乐很多，用户不可能听完所有的音乐再决定自己喜欢听什么，而且每年新的歌曲在以很快的速度增加，因此用户无疑面临着信息过载的问题。其次，人们听音乐时，一般都是把音乐作为一种背景乐来听，很少有人必须听某首特定的歌。对于普通用户来说，听什么歌都可以，只要能够符合他们当时的心情就可以了。因此，个性化音乐网络电台是非常符合个性化推荐技术的产品。 8

分享到：

赞收藏

资料库

基于用户的协同过滤算法音乐推荐系统.docx

相关推荐

大数据

热门标签

最新资料