基于深度學習的個性化音樂推薦算法研究

余莉娟

摘要：互聯網技術和電子信息技術的迅速發展為整個時代提供了巨大的計算能力，個性化推薦系統成為時代產物的縮影。結合常用的推薦系統核心算法，設計了一種針對個性化音樂的Apriori改進算法，此算法通過用戶信息進行深度學習，利用候選矩陣壓縮的方法進行推薦優化，采用準確性、召回率等參數作為評價標準。以Last.fm音樂網站的部分數據作為分析樣本，對選定音樂按個性化音樂推薦方式進行試驗，Apriori改進算法在準確率和召回率方面均得到優化，推薦效果更優。在考慮推薦數量的前提下，Apriori改進算法的準確率和召回率均高于Plaucount算法，而相似度方面低于Plaucount算法。

關鍵詞：深度學習;推薦系統;個性化;音樂

中圖分類號：G643

文獻標志碼：A

ResearchonPersonalizedMusicRecommendationAlgorithmBasedonDeepLearning

YULijuan

（CollegeofArt，ShangluoCollege，Shangluo726000，China）

Abstract：RapiddevelopmentoftheInternettechnologyandelectronicinformationtechnologyhasprovidedhugecomputingpowerforthewholeera，andpersonalizedrecommendationsystemhasbecometheepitomeoftheproductoftheera.Combinedwiththecommoncorealgorithmofrecommendationsystem，thispaperprovidesanimprovedApriorialgorithmforpersonalizedmusic.Thisalgorithmappliesuserinformationforindepthlearning，candidatematrixcompressionforrecommendationoptimization，accuracy，recallrateandotherparametersasevaluationcriteria.TakingpartofthedataofLast.fmmusicWebsiteastheanalysissample，theselectedmusicistestedaccordingtothepersonalizedmusicrecommendationmode.TheAprioriimprovedalgorithmisoptimizedinaccuracyandrecallrate，andtherecommendationeffectisbetter.Onthepremiseofconsideringthenumberofrecommendations，theaccuracyandrecallrateofAprioriimprovedalgorithmarehigherthanthatofPlaucountalgorithm，andthesimilarityislowerthanPlaucountalgorithm.

Keywords：deeplearning;recommendationsystem;personalization;music

0引言

伴隨著互聯網技術和電子信息技術的迅速崛起，大數據技術、云計算技術、機器人技術、人工智能技術、深度學習技術[1]等方面的發展尤為突出，對整個信息時代的進步與發展提供了巨大的計算能力。在如此海量的信息中，快速準確地找到所需信息變得越來越重要，而且有價值。由此而誕生的推薦系統[23]成為了用戶需求與內容之間的橋梁，既可以滿足用戶找到感興趣的潛在內容，也能夠更好地展示冷門內容，發掘潛在用戶。

當今社會已擁有更為強大的包容性，不同領域也均呈現出獨有的個性化和多元化，個性化推薦系統則能夠滿足不同用戶的需求，精準地為用戶提供更好地體驗，由此產生了巨大的商業價值，成為互聯網企業爭相搶奪的“蛋糕”。……