提升音乐推荐系统性能构想探讨

提升音乐推荐系统性能构想探讨摘要：本文从用户的听歌数据入手，通过数据预处理技术提取相关特征，利用FP-tree算法得到歌曲之间的关联规则；在此基础上，利用DBSCAN聚类算法将歌曲根据其本身属性进行聚

提升音乐推荐系统性能构想探讨 摘要 ：本文从用户的听歌数据入手，通过数据预处理技术提取相关特征，利用算法得 FP-tree 到歌曲之间的关联规则；在此基础上，利用聚类算法将歌曲根据其本身属性进 DBSCAN 行聚类，找到同类歌曲。最终把两者有机结合，互相补充，使新的推荐系统发挥更加理想 的功能。 关键词 ：歌曲；；关联规则；聚类；推荐系统； FP-treeDBSCAN 一、推荐系统简介 谈起推荐系统首先要从个性化推荐谈起。个性化推荐是根据用户的兴趣特点和购买行为， 向用户推荐其感兴趣的商品和服务。随着电子商务规模迅速扩大，商品数量和种类急速增 长，顾客需要花费大量时间才能找到自己想买的商品。这种浏览大量无关信息和产品的过 程会给用户带来极大的不便，从而导致消费者不断流失。为了解决这些问题，个性化推荐 系统应运而生。本文主要研究大数据在音乐推荐系统中的应用。通过一些挖掘算法，发现 数据之间的相关性，预测用户喜欢的歌曲类别以及更加具体的特点构建用户画像，快速准 确推测使用者的喜好，及时为用户推荐更多感兴趣的信息、数据及链接，以达到方便用户 吸引消费者的目的。 （一）推荐系统现状和弊端 现在商业智能平台上信息量呈爆炸式发展，但数据本身所具有的规模巨大和不稳定性，对 人们如何准确迅速提取出有价值的信息，仍具有不可忽视的制约作用。比如，实际上喜欢 听流行歌曲的用户，因参与合唱活动反复听了一些经典革命歌曲，使软件在他结束合唱活 动后，仍然继续推荐大量经典老歌，导致出现不符合用户需求的情况。这就是由于推荐系 统数据处理系统过于僵化造成的不良后果。所以，推荐系统还有很多方面的技术需要优化 升级。 （二）优化升级推进系统的创新点 在设计推荐系统过程中，如果强化数据预处理技术，并采用关联规则与聚类算法相结合的 方法，则会尽最大可能地避免推荐系统僵化的问题。、强化优化数据预处理功能。在用 1 户选择的歌曲中，并非都是用户所喜爱的，所以，需要将数据先进行简单处理。在用户选