1、项目介绍
技术栈:
Python语言、Django框架、用户画像+基于用户的协同过滤推荐算法、数据集是Last.fm Dataset 歌曲数据集
协同过滤算法因其实现简单、方便应用到产品中等特点在推荐系统中被广泛使用,而本文主要讨论的是协同过滤算法中的基于用户的算法。系统会依据用户对歌曲的一些操作行为,比如将喜欢的歌曲加入收藏的歌单等等,然后使用基于用户的协同过滤推荐算法,找出与想推荐用户相类似的邻居用户,通过分析邻居用户有没有某音乐产生兴趣偏好从而预测目标用户可能感兴趣的歌曲,进行个性化的推荐,这样用户在选择判断的时候能减少很多的时间,也可以解决一些用户的选择困难症,优化用户的听歌体验。本文的数据集是Last.fm Dataset 歌曲数据集,研究的项目是基于Python 语言开发,采用Python3实现各项功能,采取sqlite3数据库进行数据的存储,通过Django框架连接系统的前、后端。
2、项目界面
(1)系统首页
3、项目说明
随着我国互联网技术的飞速发展,信息量开始迅速猛增,在音乐方面,传统的实体专辑远远不如网络数字音乐的发展迅猛。如今,网络上新歌层出不穷,面对成千上万还没有听过的歌曲,用户想要从中找出自己喜欢的歌曲太过困难,也会浪费太多的时间。依靠传统的搜索方式来寻找自己感兴趣的歌曲已经无法满足用户的需求,个性化的推荐系统应运而生。
协同过滤算法因其实现简单、方便应用到产品中等特点在推荐系统中被广泛使用,而本文主要讨论的是协同过滤算法中的基于用户的算法。系统会依据用户对歌曲的一些操作行为,比如将喜欢的歌曲加入收藏的歌单等等,然后使用基于用户的协同过滤推荐算法,找出与想推荐用户相类似的邻居用户,通过分析邻居用户有没有某音乐产生兴趣偏好从而预测目标用户可能感兴趣的歌曲,进行个性化的推荐,这样用户在选择判断的时候能减少很多的时间,也可以解决一些用户的选择困难症,优化用户的听歌体验。本文的数据集是Last.fm Dataset 歌曲数据集,研究的项目是基于Python 语言开发,采用Python3实现各项功能,采取sqlite3数据库进行数据的存储,通过Django框架连接系统的前、后端。
关键词: 音乐推荐系统;协同过滤算法; Python编程技术;数据库