基于LDA模型的音乐推荐算法研究开题报告

1. 研究目的与意义

近年来，随着信息技术的不断发展以及移动互联网的突然兴起，人们的生活方式早已经悄然改变。

网络中每天都会有非常多形态各异的数据被人们创建和分享，这使得人们已经逐步进入到了一个信息过载(informationoverload)的时代。

但是面对海量信息，用户很难快速发现自己真正感兴趣的东西。

2. 国内外研究现状分析

1997 年 resnick 和 varian 给出了推荐系统的正式定义:它是利用电子商务向客户提供商品信息和建议，帮助用户决定应该购买什么产品，模拟销售人员帮助客户完成购买过程。

通过对电子商务网站整体商品的购买（收藏）情况、用户在线人数统计的分析，使用推荐系统得出推荐列表，以供用户选定购买哪些商品（包括实物和虚拟商品）。

考虑这些因素的结果促使推荐系统在电子商务领域中具有了个性化特点。

3. 研究的基本内容与计划

（1）利用python爬取网易云音乐数据，包括歌单，歌曲，以及歌词。

（2）文本处理，生成数据集，完成歌单歌曲映射，以及歌曲歌词映射。

（3）python实现itemcf算法，计算精确度。

4. 研究创新点

1. 通过分析歌曲题目以及歌词，提取出关键字，可以解决协同过滤中冷启动的问题，比如歌手发布的新歌曲和冷门的歌曲无法推荐。

2. 基于用户的协同过滤是向用户推荐自己的邻居听过的音乐，但是对于没有邻居或者好友信息的用户，无法计算用户与邻居或者好友的兴趣相似性，从而不能实现有效的音乐推荐。

通过音乐本身的语义特征计算音乐之间的相似度，弱化用户之间的影响，从而使得不存在好友关联的音乐网站也能实现较好效果的推荐算法。