摘要
在音乐推荐领域,根据用户的行为习惯进行偏好建模并进行推荐。但是对于热度较低的音乐,由于很少有用户进行消费,几乎得不到推荐,导致系统中的马太效应越发明显,不利于音乐平台的长期发展。基于look-alike框架针对冷门音乐分别进行建模,训练周期较长,且由于样本数量少,模型效果不理想。利用K-means算法对冷门歌曲进行聚类,再投入look-alike框架进行训练,训练周期大幅度缩短,且推荐准确率更高。
出处
《电脑知识与技术》
2022年第23期1-2,7,共3页
Computer Knowledge and Technology
基金
贵州省教育厅青年科技人才成长项目(黔教合KY字[2022]100号)
黔南民族师范学院校级重点项目(2020qnsyzd03)。