基于深度学习的个性化音乐推荐算法研究

• 作者: 余莉娟
• 来源期刊: 微型电脑应用
• 学科: 教育
• 关键词: 深度学习 推荐系统 个性化 音乐
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 教育探索
• 页码范围: 140-143
• 页数: 4页
• 分类号: G643
• 语种: 中文

摘要

互联网技术和电子信息技术的迅速发展为整个时代提供了巨大的计算能力,个性化推荐系统成为时代产物的缩影.结合常用的推荐系统核心算法,设计了一种针对个性化音乐的Apriori改进算法,此算法通过用户信息进行深度学习,利用候选矩阵压缩的方法进行推荐优化,采用准确性、召回率等参数作为评价标准.以Last.fm音乐网站的部分数据作为分析样本,对选定音乐按个性化音乐推荐方式进行试验,Apriori改进算法在准确率和召回率方面均得到优化,推荐效果更优.在考虑推荐数量的前提下,Apriori改进算法的准确率和召回率均高于Plaucount算法,而相似度方面低于Plaucount算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	余莉娟		6	4	1.0	1.0