基于音乐类型分类和个性诊断的移动混合音乐推荐系统

《基于音乐类型分类和个性诊断的移动混合音乐推荐系统》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、基于音乐类型分类和个性诊断的移动混合音乐推荐系统AristomenisS.Lampropoulos·ParaskeviS.Lampropoulou·GeorgeA.Tsihrintzis网上发表:2011年2月2日©施普林格科学+商业媒体公司2011摘要：为了运作成一个移动服务项目，本文提出了一个级联混合音乐推荐系统。具体地说,该推荐系统是实现一个基于音乐类型分类和个性诊断推荐处理的集成固件。移动用户能够通过他/她的手机简单地给系统发送一个示例查询音乐文件，在回应移动用户的查询时，系统推荐的音乐不仅属于同类音乐流派查询结果，同时作为考虑其他用户偏好和用户评级的一种尝试。推荐系

2、统机制是依靠个性诊断协同过滤技术来实现的。与现有的协同过滤和基于内容的推荐技术相比。该系统应用最小绝对误差和顺序得分标准的系统,比较结果充分展示出该系统具有较高的性能。关键字：推荐系统．级联混合方法．个性诊断．移动服务１简介推荐系统被定义为这样一个系统，人们输入建议，系统提供合适的接受者。今天，这个术语包括更广泛的含义，是指给用户提供个性化的推荐结果或帮助用户实现兴趣的程序或在有可能的最大空间上的有用对象。因为丰富的实际应用，推荐系统形成一个重要的研究领域。明显的，推荐系统功能类似于社交建议并且减少信息量，对用户没有兴趣并且没有用途。因此,可以考虑推荐系统作为类似于搜索引擎或

3、信息检索系统。然而,推荐系统不同于搜索引擎和信息检索系统，不仅给推荐人查询结果,还使用其嵌入式个性化机制来选择对象(项目),满足具体查询用户的需求。因此，推荐系统不象搜索引擎和信息检索系统，它提供给用户的信息更合适更有价值，防止用户淹没在大量需要浏览和检查的信息中。与搜索引擎和信息检索系统相比，推荐系统进行的事项目“匹配“。这意味着搜索引擎或一个信息检索系统试图形式和返回一个与检索项目相匹配的查询排序名单。动态相关性学习技术可以根据用户偏好给系统提供提炼查询结果的能力，因此，系统可以提供一个简单的推荐信息表。更复杂的搜索引擎如谷歌利用其他“权威性”标准,旨在尽可能为用户提供有

4、用的结果,但仍不是一种个性化的方式。推荐系统的研究结合了近期快速发展的移动技术，并且继续被手机技术和移动网络技术的革新所推进。现代手机依靠其内在能力提供多媒体服务。内置了照相机、收音机、媒体播放器和其他生成和处理多媒体数据的模块。这些优势导致用户不仅把手机当成基本通话工具，更把它视为娱乐和存储设备。除此之外，近几年一系列对手机存储容量的限制也被排除。随着移动技术的快速发展，移动宽带用户创作音乐库文件已经实现。明显的，操纵大量数据越来越成为复杂耗时的过程，一致移动用户不能有效管理音乐文件资源。这个事实促成一个能推荐给其用户合适音乐的系统。因此，期望一个给用户查询结果的推荐系统，

5、并且能够尝试预测用户是否对推荐音乐有兴趣。具体地说，音乐推荐系统根据用户的相似之处尝试推荐给用户一些音乐文件，这样，用户的个性化也被嵌入到推荐系统之中。我们当前的工作重点是建设一个在拥有很少甚至没有用户偏好甚至没有用户偏好数据的情况下，能适应不断变化的用户偏好的推荐系统，该系统能迅速反馈给用户所希望查询的结果。众所周知，协同过滤技术患有不协作、用户偏见、冷启动等问题，我们建立的是基于内容检索和个人偏好诊断的协作过滤系统。具体来说,本文的组织结构如下:第二部分回顾之前的相关工作,第三介绍我们已经开发出来系统。第四部分描述了后端整合到系统的推荐技术。第五部分对基于最小绝对错误和得

6、分排序标准的评价结果的推荐技术的评估。最后,在第六部分，插入描绘了系统的未来研究方向。2相关工作常规的推荐技术室系统过滤，具体的说，协同过滤技术就是在考虑其他人对部分音乐的排序等级而推荐给用户的一种技术。例如，有目标用户喜欢音乐A和B，现有一部分用户喜欢音乐A、B、C，音乐C可能将会被推荐给这个目标用户。换句话说，也就是推荐给目标用户的是消费偏好相似的其他一组用户的内容。由于其本身的特性,协同过滤已经普遍用于预测各种偏好问题,如网络新闻、电子商务、数字图书馆等。在文献中，协同过滤技术一再应用在移动环境中。例如，MobiTip就是利用协同过滤技术预测基于新的或用户提供更新的电影

7、数据变化率。类似的，我们在[8]提到的，最早之一的音乐推荐系统就是用协同过滤技术。这个系统利用WEB过滤过的数据来支撑节目播放列表。所以被称作“基于系统过滤的推荐引擎”。他们的系统产生的是基于用户播放列表内容的推荐。另一方面,基于内容的推荐系统是基于系统通过关联特征发现对象的兴趣。这些系统学习基于用户相关项目特征的兴趣文件。然后，推荐系统在没有匹配兴趣的情况下建立起来。为进一步改进推荐性能和消除每个独立推荐技术的缺点，考虑使用各种混合技术。一种混合的推荐方法是基于内容预测和系统过滤技术。基于内容的预测部