基于用户信息和音乐特征的音乐推荐及可视化研究

摘要

音乐的分析处理是当前一个热门话题之一。音乐推荐，音乐可视化，音乐情感研究等等都属于音乐分析的范畴。大数据时代互联网上的信息量巨大且分类不明确，基于数据挖掘的推荐算法应运而生。众所周知，用户和音乐之间存在着某种联系，比如具有特定特征的用户会偏向于喜欢某种类型的音乐。我们可以提取用户和音乐之间的关系数据，利用这些数据为目标用户推荐音乐。音乐可视化也是音乐分析的重要组成部分。从常规意义上来说，音乐是用来收听的。音乐可视化是从创意和创新的角度，寻求的一种新型的音乐娱乐方式。音乐可视化通过提取音频的某些内在特征，将其以一定的可视形式显示出来，从而为用户带来听觉和视觉的双重享受。
　　本课题针对音乐分析的两个方面，即音乐推荐和音乐可视化，从算法和工程两个角度来分别实现。在算法上，本文提出了一种新型的协同过滤算法，其引进了一个比例因子，对传统的推荐算法进行改进，然后在 MATLAB平台上进行了相关算法的仿真验证，用预测评分的平均绝对误差的来评判其预测精度。在验证过程中，通过控制变量法，分别对比验证了近邻数目和测试集占比对预测精度的影响，包括提出的新型方法和传统两种基于单一参量的协同过滤方法的预测精度对比。同时对提出的新型推荐算法，还验证其比例因子的大小对预测精度的影响。最后的验证结果表明，这种新型的协同过滤推荐算法能够显著提高其预测精度，且比例因子越小，其预测精度越高。这意味着这种方法能更好地为用户推荐音乐。工程上实现的是音乐可视化。利用 Android平台，研究并设计出基于音频特征提取的音乐可视化播放系统，其能够在音乐播放的同时，显示与音频特征相关的可视化界面。
　　通过算法和工程两个角度对音乐进行分析，分别对应了音乐推荐和音乐可视化这两个方面。算法上实现音乐推荐，最后通过数学参量（平均绝对误差）来评估其效果，相对来说是比较客观的；工程上实现音乐内在特征的可视化，最后通过可视化显示效果来评估其可视化效果，相对来说更加直观，用户可以通过观察来评断其优劣性。

目录

第1章 绪 论

1.1课题背景

1.2国内外的发展概况

1.3课题研究的目的和意义

1.4本文主要工作

第2章 基于新型混合算法的音乐推荐

2.1引言

2.2音乐推荐常用算法介绍

2.3一种混合协同过滤算法

2.4算法实现与结果分析

2.5本章小结

第3章 音乐可视化系统的需求分析

3.1引言

3.2 Android应用开发基础

3.3音乐可视化播放系统的需求分析

3.4本章小结

第4章 音乐可视化系统的设计与实现

4.1引言

4.2音乐信息管理系统的设计与实现

4.3音乐普通播放功能的设计与实现

4.4音乐可视化播放功能的设计与实现

4.5功能测试

4.6本章小结

结论

参考文献

攻读硕士学位期间发表的论文及其它成果

声明

致谢