融合时间信息的音乐推荐算法研究

随着大数据时代的到来,数据的种类和数量都在以飞快的速度增长。音乐资源也是大数据时代中一个庞大的数据资源,由于音乐资源在短时间内增长过快,用户面对海量的音乐不知道如何进行抉择,这时音乐推荐系统的出现就可以很好地帮助用户解决这个问题。为了提高在音乐推荐算法中经典的用户协同过滤算法的推荐精确率,先从用户的音乐偏好会随着时间动态变化的情况,引入了时间效应函数和音乐季节敏感函数,并将两者加权融合后,在此基础上进行用户相似度改进和评分预测,最终输出一个符合用户偏好的音乐推荐列表。通过实验证明,所给出的算法推荐结果准确率相较于传统推荐结果确实有所提高。