基于LDA模型的音乐推荐算法

摘要：

互联网的普及以及音乐资源的电子化使得人们可以更方便地获得音乐资源.但随着音乐库变得越来越大、资源越来越丰富,人们已经很难准确及时地找到自己喜欢的音乐.因此,对于音乐网站而言,需要一个合适的音乐推荐算法向用户推荐音乐.根据已有的基于音频信息的音乐推荐以及协同过滤方法,分析用户的音乐试听数据以及下载数据,并结合Latent Dirichlet分配(LDA)主题挖掘模型,提出一种音乐推荐算法.实验结果表明,与基于用户的协同过滤算法以及基于项目的协同过滤算法相比,该算法可以更加高效地向用户推荐感兴趣的音乐.

关键词：协同过滤、音乐推荐、主题挖掘、Latent Dirichlet分配模型、吉布斯抽样、基于LDA模型的音乐推荐

所属期刊栏目：42

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61379057;中南大学中央高校基本科研业务费专项基金资助项目2015zzts228

在线出版日期：2016-08-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：175-179,184