基于元数据和协同过滤融合的音乐推荐算法

• 作者: 蔡海东 詹昊轩 舒智敏 郭天雄
• 来源期刊: 信息与电脑
• 学科: 工学
• 关键词: 协同过滤 推荐系统 音乐推荐 元数据 相似度
• 年，卷（期）: 2021,（23）
• 所属期刊栏目: 算法语言
• 页码范围: 51-54
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1003-9767.2021.23.017

摘要

协同过滤技术是目前推荐系统中最成功、应用最广泛的技术.本文使用基于项目的协同过滤算法,可以在不使用用户个人信息的情况下推荐音乐.为实现更准确的推荐,利用音乐源的元数据预测用户的偏好,最终推荐排名前N位的高偏好音乐.实验结果表明,与不使用元数据时相比,该方法可提高推荐算法的性能.