一种改进的基于内容的加权标签音乐推荐方法

一种改进的基于内容的加权标签音乐推荐方法(中文6000字,英文PDF)
1 简介
随着万维网的发展，数百万的免费在线音乐使人们很难手动的找到他们喜欢的歌曲。推荐系统提供了广泛适用的的解决信息过载问题的方案，并且可以自动的帮助人们决定听什么。
当前的音乐推荐技术主要分为两个类别：基于内容的过滤[1]和协同过滤[2]。 基于内容的过滤技术通过元数据分析用户或项目之间的相似性，例如用户简档和音乐声学特征。相比之下，协同过滤技术通过用户的过去行为来分析用户或项目之间的相似性，而不需要领域知识。潜在因素模型如矩阵因子分解（MF）和邻域模型是协同过滤中的典型方法。他们通过分析用户的歌单历史来发现用户和项目之间的关系。此外，还有其他新技术，如 LDA方法[3]和基于图的模型[4]。虽然传统的推荐系统可以有效地预测用户喜欢的歌曲，但是他们几乎不能做出可理解的解释，为什么他们做这些推荐，并且难以回答用户喜欢或者不喜欢哪种类型的音乐的问题。