改进FP-Growth算法在音乐推荐中的应用研究

为从用户的播放记录中挖掘用户的歌曲喜好关联规则,推测用户可能感兴趣的曲目,论文采用一种基于改进FP-Growth算法的关联规则挖掘算法开展音乐推荐研究。为提高音乐推荐的准确度和算法执行效率,对传统的FP-Growth进行了如下改进:使算法吸纳播放次数对项目重要性的影响,且采用交换结点的方法减少FP-Tree的规模,并引入遗忘机制来适应用户的兴趣迁移。基于上述改进,论文利用约两万名用户的播放记录进行仿真分析实验,结果表明该算法能以较短的耗时实现用户音乐推荐。