基于CNN自动标注用户偏好的音乐推荐算法

《基于CNN自动标注用户偏好的音乐推荐算法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文基于CNN自动标注用户偏好的音乐推荐算法作者姓名叶展鹏学科专业通信与信息系统指导教师王一歌副教授所在学院电子与信息学院论文提交日期2018年4月AMusicRecommendationAlgorithmBasedonUserPreferenceAuto-AnnotationusingCNNADissertationSubmittedfortheDegreeofMasterCandidate：YeZhanpengSupervisor：WangYigeSouthChinaUniversityofTechnologyGuangzh

2、ou,China分类号：TP391学校代号：10561学号：201520108959华南理工大学硕士学位论文基于CNN自动标注用户偏好的音乐推荐算法作者姓名：叶展鹏指导教师姓名、职称：王一歌副教授申请学位级别：工学硕士学科专业名称：通信与信息系统研究方向：现代通信理论与技术论文提交日期：2018年4月10日论文答辩日期：2018年6月2日学位授予单位：华南理工大学学位授予日期：9年月日答辩委员会成员：主席：丁泉龙委员：王一歌韦岗曹燕摘要近年来，随着网络服务的迅速发展，用户可以方便的使用手机等终端在线收听音乐。由于网络上存在海量的音乐数据

3、，用户检索自己喜欢的音乐时，面临信息过载的问题。因此，为用户提供有效的个性化推荐是一项必要的音乐服务。传统基于标签的推荐系统，需要耗费大量人工进行初始化标注及维护更新，且所形成的多维度标签容易使推荐模型复杂化；而基于邻域的推荐系统，需要收集大量用户数据且计算复杂度较高。因此，如何把新加入乐库的无标签或无用户数据的音乐有效地推荐给用户，是音乐推荐系统中的一个难点。对于海量数据，与传统协同过滤算法相比，基于word2vec技术的音乐向量模型可以更为准确地描述音乐之间的相似性。而卷积神经网络具有自动提取特征的优点，能有效地提取梅尔声谱图中的音

4、乐特征。本文基于word2vec的音乐向量模型获取用户偏好，训练卷积神经网络根据用户偏好对音乐进行分类，并在冷启动场景下对音乐进行用户偏好自动标注及推荐。本文的主要贡献如下：1、针对人工标注工作量大、容易引起推荐模型复杂化的问题，本文提出一种基于word2vec音乐向量模型的用户偏好聚类方法。该方法对音乐向量进行降维和聚类，获取音乐所属的用户偏好类别。由于用户的收藏音乐按偏好划分会更为集中，该方法能有效地描述用户偏好，从而更好地进行推荐。同时，该方法也可为各类推荐算法的训练样本提供用户偏好标注。2、针对音乐加入乐库时，缺少用户数据及人工

5、标签等信息的冷启动场景，本文提出一种基于卷积神经网络自动标注用户偏好的音乐推荐方法。相比现有算法，该方法在冷启动场景下，仍可对未知音乐进行用户偏好自动标注，从而有效地将音乐推荐到同类偏好的用户群中。关键词：推荐算法；词向量；卷积神经网络；聚类IAbstractWiththerapiddevelopmentofwebserviceinrecentyears,userscaneasilyuseterminalslikesmartphonestolistentomusiconline.Becauseofthehugeamountofmusic

6、aldata,usershavetofacetheoverloadofinformation.Therefore,itisnecessarytoofferapersonalizedmusicrecommendationservicefortheusers.Traditionalrecommendationsystemsbasedonlabelsneedalotofmanualworktoannotatemusicandmaintainlabelmodelsandtheresultingmultidimensionallabelscane

7、asilymaketherecommendationmodelcomplicated;whilerecommendationsystemsbasedonneighborhoodneedtocollectlargeuserdataandhaverelativelyhighcomputationalcomplexity.Therefore,intherecommendationsystemitisdifficulttorecommendmusictotherightuserswhennewmusicwithoutuserdataorlabe

8、lsisaddedtothelibrary.Regardingbigdata,comparedwiththemethodbasedoncollaborativefilter,themusicvectormo