基于协同过滤和对象模型的音乐推荐系统研究

• 作者: 陈平华 陈继腾
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 协同过滤 音乐推荐 用户画像 评分稀疏
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 系统结构
• 页码范围: 1892-1896,1918
• 页数: 6页
• 分类号: TP391.3
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2020.08.015

摘要

传统的音乐推荐方法在面对诸如新用户,新音乐以及评分稀疏等问题时处理的不够好.基于此,论文提出一种在使用协同过滤算法的基础上融合对象模型的方法.为了解决新用户问题,使用用户画像结合基于用户的协同过滤方法来预测未知评分;为了解决评分稀疏和新音乐问题,未知评分由音乐标签的评分来初始化,然后使用基于商品的协同过滤方法来挖掘用户的偏好.实验结果表明该方法在均方根误差方面比传统的方法具有更好的推荐效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈平华		84	860	11.0	28.0
2	陈继腾		1	0	0.0	0.0