基于内容分析和点击率记录的混合音乐推荐系统
随着网络技术不断发展,人们希望以更快捷的方式获取喜欢的音乐,功能强大的音乐推荐系统呼之欲出.目前已有的推荐方法主要依赖于点击率记录,往往局限于与样本音乐相关的少数艺术家的作品,这样的方式可以保证较高的命中率,但是推荐范围太小.此外由于新作品的点击率很低,系统基本不会推荐的新作品.而单纯基于内容的推荐系统由于特征描述的不稳定性会带来推荐成功率的降低.本文提出的基于内容分析和点击率记录的混合音频推荐系统,通过对音乐内容特征的提取和描述,结合传统推荐技术,可以在更大范围内进行音乐片段的搜索,降低作者、表演者及关联投票的限制.利用实验室采集的主观得分和主流音乐网站点击率数据进行实验,结果表明,混合推荐系统在推出新音乐的数量和推荐艺术家的多样性上大大超过了传统的方法,并且保持了较高的命中率.
计算机网络技术 信息检索 混合音乐推荐系统 点击率记录 内容分析
张燕 李燕萍
南京理工大学计算机科学与技术学院,江苏南京 210049;金陵科技学院信息技术学院,江苏 南京 211169 南京理工大学计算机科学与技术学院,江苏南京 210049
国内会议
福建泉州
中文
85-92
2009-11-19（万方平台首次上网日期，不代表论文的发表时间）