一种新的基于LDA-MURE模型的音乐个性化推荐算法

• 作者: 李艳 李葆华 王金环
• 来源期刊: 吉林大学学报（理学版）
• 学科: 工学
• 关键词: 协同过滤 LDA模型 Gibbs抽样 LDA-MURE模型 推荐算法
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 计算机科学
• 页码范围: 371-375
• 页数: 5页
• 分类号: TP18
• 字数: 4043字
• 语种: 中文
• DOI: 10.13413/j.cnki.jdxblxb.2017.02.30

摘要

针对基于音乐作品信息的音乐作品个性化推荐及协同过滤方法的不足,通过分析音乐作品需求者的音乐试听数据及下载数据,并结合LDA(latent Dirichlet allocation)主题挖掘模型,提出一种基于LDA-MURE模型的推荐算法.实验结果表明,与基于音乐作品需求者的协同过滤算法和基于音乐属性项目的协同过滤算法相比,LDA-MURE算法可更高效地向音乐作品需求者推荐感兴趣的音乐作品.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李葆华	陕西师范大学计算机科学学院	8	34	3.0	5.0
2	李艳	西安培华学院中兴电信学院	20	34	3.0	5.0
3	王金环	西安培华学院中兴电信学院	22	19	2.0	3.0