声明
第一章 绪论
1.1 选题背景与意义
1.2 国内外发展现状
1.3 论文主要研究内容
1.4 论文组织结构
第二章 相关理论与技术
2.1 推荐系统
2.1.1 长尾理论
2.1.2 评测指标
2.2 主题模型
2.2.1 参数贝叶斯模型
2.2.2 非参数贝叶斯模型
2.3 基于内容的推荐算法
2.3.1 算法流程
2.3.2 朴素贝叶斯分类器
2.4 基于协同过滤的推荐算法
2.4.1 基于领域知识的协同过滤算法
2.4.2 基于领域的协同过滤算法三要素
2.5 本章小结
第三章 基于标签的个性化音乐推荐算法研究
3.1 基于标签的协同过滤算法简介
3.2 基于有向标签的协同过滤算法设计
3.3.1 获取标签
3.3.2 将标签与用户、音乐关联
3.3.3 特征建模
3.3.4 音乐聚类
3.3.5 音乐推荐
3.4 基于有向标签的协同过滤算法总结
3.5 基于LDA-MURE模型的推荐算法
3.6 算法实验
3.6.1 实验数据
3.6.2 实验设计
3.6.3 结果与分析
3.7 本章小结
第四章 系统需求分析
4.1 系统总体概述
4.1.1 系统整体需求描述
4.1.2 系统功能需求描述
4.1.3 系统用户需求描述
4.2 系统模块需求分析
4.2.1 数据层需求分析
4.2.2 显示层需求分析
4.2.3 算法实体需求分析
4.2.4 音乐检索模块需求分析
4.3 系统非功能性需求
4.4 本章小结
第五章 系统的设计与实现
5.1 系统整体架构设计
5.2 数据模块设计
5.2.1 网络爬虫设计
5.2.2 数据存储设计
5.3 推荐引擎的设计
5.4 系统基础功能的实现
5.4.1 用户登录
5.4.2 音乐播放控制
5.4.3 音乐播放列表
5.4.4 音乐检索
5.4.5 音乐评论
5.5 系统推荐功能的实现
5.5.1 音乐标签的获取
5.5.2 生成特征有向图
5.5.3 音乐聚类划分
5.5.4 计算音乐与用户兴趣的相似度
5.5.5 生成音乐推荐列表
5.6本章小节
第六章 系统测试
6.1 系统功能性测试
6.2 系统非功能性测试
6.3 本章小结
第七章 总结与展望
7.1 全文总结
7.2 后续工作展望
致谢
参考文献