摘要
科技进步的飞速发展引起人们日常生活的巨大变化，电子信息技术的飞速发展使得电子信息技术的各个领域的应用水平得到普及和应用。信息时代的到来已成为不可阻挡的时尚潮流，人类发展的历史正进入一个新时代。在现实运用中，应用软件的工作规则和开发步骤，采用NodeJS 技术建设个性化音乐推荐系统。
本设计主要实现集人性化、高效率、便捷等优点于一身的个性化音乐推荐系统，完成人员管理、热门榜单、新歌榜单、音乐分类、歌星荟萃、歌单汇集、历史记录等功能模块。系统通过浏览器与服务器进行通信，实现数据的交互与变更。本系统通过科学的管理方式、便捷的服务提高了工作效率，减少了数据存储上的错误和遗漏。个性化音乐推荐系统使用NodeJS 语言，采用基于 MVVM模式的koa技术进行开发，使用 Code/HbuildX 编译器编写，数据方面主要采用的是微软的MySQL关系型数据库来作为数据存储媒介，配合前台HTML+CSS 技术完成系统的开发。
关键词：个性化音乐推荐系统 NodeJS MySQL
Abstract
The rapid development of science and technology has caused tremendous changes in people's daily lives. The rapid development of electronic information technology has made the application level of electronic information technology in various fields popular and applied. The arrival of the information age has become an irresistible fashion trend, and the history of human development is entering a new era. In practical applications, the working rules and development steps of the application software adopt NodeJS technology to build a personalized music recommendation system.
This design mainly implements a personalized music recommendation system that integrates the advantages of humanization, efficiency, and convenience, and completes functional modules such as personnel management, popular list, new song list, music classification, singer gathering, song list collection, and history recording. The system communicates with the server through a browser to achieve data interaction and change. This system improves work efficiency and reduces errors and omissions in data storage through scientific management methods and convenient services. The personalized music recommendation system uses NodeJS language, adopts koa technology based on MVVM mode for development, and uses Code/HbuildX compiler to write. In terms of data, it mainly uses Microsoft's MySQL relational database as the data storage medium, and cooperates with the front-end HTML+CSS technology to complete the system development.
Keywords:Personalized music recommendation system NodeJS MySQL
目 录
个性化推荐技术是一种信息过滤的手段，可以挖掘用户的兴趣偏好,根据用户的兴趣向用户推荐感兴趣的信息，提供针对用户的个性化服务，解决了信息过载的问题。协同过滤算法是一种应用广泛的个性化推荐算法，能根据用户对项目的评价找出用户与户之间以及音乐与音乐之间的相似性，从相似的用户或音乐中找到目标的最近邻居,根据最近邻居的信息作出推荐。
搭建一个基于协同过滤算法的音乐个性化推荐系统,能帮助用户挑选喜欢的音乐，节省用户听自己不喜欢的音乐的时间，提高用户的体验,同时还能提高用户和系统的粘着度。同时,户能快速找到喜欢的音乐.也能减轻一个站点的网络负载。
随着互联网与移动终端的普及,网络上的音乐数量海量增加，用户对音乐个性化服务的需求日益旺盛。设计音乐个性化推荐系统,该系统能够挖掘用户信息乐信息间隐藏的关联性，从而发现用户的潜在兴趣,将用户可能感兴趣的音乐推荐给用户。便利的互联网和日益普及的移动终端极大地提高了人们的生活质量。网络上供用户聆听的音乐数量庞大，类型多样，从海量的音乐资源中找到一部自己喜欢的音乐变的越来越困难，海量音乐信息的利用率很低。
1.2 国内外研究现状
个性化推荐系统是根据用户的需求、兴趣偏好，将用户感兴趣的内容或者产品等信息推送给用户的系统2。和搜索引擎相比，个性化推荐系统从研究用户历史信息入手，找到用户兴趣偏好信息，再根据用户的偏好进行信息的过滤，从而更加精确的得到用户需要的信息。随着这种更加智能化的，更加了解用户需求与偏好信息的发现机制的出现，推荐系统在面对海量的数据信息的时候，能够及时有效的发现用户的信息规律，按照用户的需求来进行信息的推送。随着推荐技术的发展，推荐引擎在不同行业领域都取得了很高的成就，不管是电子商务还是社交网站都取得了广泛的成功，推荐系统也越来越得到了人们的肯定与赞扬。
在学术界，从90年代中期出现的第一篇关于协同过滤的文章开始，推荐系统一直都保持着很高的研究热度，并逐渐形成了以推荐为核心的独立学科，各种推荐算法应运而生，这些算法涵盖了信息检索、认知科学、管理科学等众多学科，近些年来国际学术界也针对推荐系统的研究文献大量出现，ACM也在近几年举行有关推荐算法的有关比赛，国内外的许多知名大学与研究结构也纷纷开始这方面授课与研究个性化推荐在电子商务中应用的成功，给电子商务带来了前所未有的巨大的经济利益，根据有关研究部门的统计结果显示，Amazon的推荐系统产生的商品销售额大约占其同期总销售额的三分之一。个性化推荐系统引起了越来越多不同领域人的注意。互联网音乐行业也充分认识到了个性化推荐的魅力，纷纷将个性化推荐应用与自己的各个业务上来。
目前国内主要从事这方面研究的有豆瓣音乐，豆瓣也是目前在国内在音乐推荐领域处于一个领先的位置，还有虾米网的音乐推荐，以及目前正在开发的酷狗个性化音乐推荐系统。国外有美国的Pandora公司以及英国的last.fm都在音乐推荐领域比较超前的公司。音乐推荐中，用户首先面对的是大量歌曲信息,用户很难找到相对自己喜欢而.不熟悉的歌曲,这样音乐推荐引擎应运而生,它可以充分的满足用户的音乐需求，同样的也可以增加音乐的播放量。所以在音乐行业中，推荐系统的也开始普片应用起来。
1.3koa框架
Node.js是一个异步的世界，官方API支持的都是callback形式的异步编程模型，这会带来许多问题，例如:1、callback嵌套问题；2、异步函数中可能同步调用callback返回数据，带来不一致性。为了解决以上问题Koa出现了。
koa是由Express原班人马打造的，致力于成为一个更小、更富有表现力、更健壮的Web框架。使用koa编写web应用，可以免除重复繁琐的回调函数嵌套，并极大地提升错误处理的效率。koa不在内核方法中绑定任何中间件，它仅仅提供了一个轻量优雅的函数库，使得编写Web应用变得得心应手。开发思路和express差不多，最大的特点就是可以避免异步嵌套。
阿里内部就在使用Koa框架，并在Koa基础上面做了一些扩展和封装。并且基于koa开发了一个开源框架egg。
1.4Tomcat描述
Tomcat是一个不收费的服务器。使用场景比较适合访问量比较少的情况下。意思就是，将Tomcat安装到电脑上的时候，前端HTML页面的访问请求可以通过它进行解析。实际上，Tomcat是对Apache的扩展，但它相对于Apache却是相对独立作业的，由此可以看作它与Apache 是相对独立进程运行的。
Tomcat最开始是sun公司的戴维森进行开发应用的，经过他的努力，不断地将其变为开源的服务器。还由sun公司将其交给了Apache软件基金会。不断发展的tomcat服务器在最近的一个版本中进行了大量的重构和梳理，使其使用起来更加的方便。基于Tomcat负载均衡算法是一种开源的软件，实现方式。不需要增加额外的硬件投入，实现起来也很方便，特别适用于一般的小企业网站服务器在现在和将来一段时间的扩展。从目前的实践来看，可作为需要进行类似应用的一个参考借鉴。
1.5 论文结构安排
通过前期的资料查找以及对其他论文的内容借鉴，本个性化音乐推荐系统论文主要分为以下几个章节：
第1章 交代项目的背景、目的。
第2章 对系统的需求展开分析。
第3章 阐述了网站的总体设计。
第4章 阐明了个性化音乐推荐系统详细功能的实现，主要根据技术性的功能模块功能实现。
第5章 罗列了部分系统调试与测试的记录。
个性化音乐推荐系统在数据的存储上使用的MYSQL数据库，在个性化音乐推荐系统开发中使用了了NodeJS 、Code/HbuildX、Tomcat、koa这些开发工具的使用，能够给我们的编写工作带来许多的便利。系统使用B/S模式进行开发，使系统的可扩展性和维护性更佳，减少系统配置代码，简化编程代码，目前B/S模式是目前最受欢迎的一种模式。
在开发个性化音乐推荐系统中所使用的开发软件像Code/HbuildX开发工具、tomcat服务器、koa开发框架、MySQL5.7数据库、Photoshop图片处理软件等，这些环境从网上就能免费下载，而且网上都有安装的教程，根据教程一步一步的操作，就可以安装成功，不需要花任何费用，并且个性化音乐推荐系统是自己设计并编码实现的，数据库是使用流行mysql进行数据的存储，开源的mysql等技术的使用，减少系统开发费用。
2.1.3操作可行性分析
此次项目设计的时候我参考了很多类似系统的成功案例，对它们的操作界面以及功能都进行了系统的分析，将众多案例结合在一起，突出以人为本简化操作，所以具有基本计算机知识的人都会操作本项目。因此操作可行性也没有问题。
个性化音乐推荐系统的设计与实现是为了让个性化音乐推荐系统的使用者更加方便的进行管理新歌榜单相关联的一些信息，同时也有利于用户通过网页系统查看个性化音乐推荐系统的信息，进行乐坛资讯查询，查看资讯分类信息，能够使得使用者查找某一信息时能节省大量的时间和精力，有效减少不必要的查找时间。
研究个性化音乐推荐系统的设计与实现，是为了能够拥有界面简洁友好、操作简单以及运行稳定的智能化的一站式乐坛资讯管理方式。系统的需求主要来自普通用户和管理员。
普通用户：
（1）首页信息：当用户进入本个性化音乐推荐系统的前台的时候，首先展示在眼前的是导航栏、交流中心、通知公告、乐坛资讯、个人账户、个人收藏、新歌榜单、热门资讯、个人中心等信息，用户可以根据自己个人的需求进行查看；
（2）注册登录：在系统的左侧有登录+注册按钮，如果用户想要登录到系统当中，可以点击“登录”按钮，然后填写号用户名+密码，点击“登录”按钮，系统会对你的用户名密码进行核对，正确的话就会登录成功了，如果没有账号的话，可以点击左侧的“注册”按钮，然后根据提示输入好用户信息，就可以得到账号和密码了；
（3）通知公告：用户可以查看后台管理员发布的通知公告，在查询到自己想要了解的通知公告的时候，可以进入查看详细的介绍。
（4）乐坛资讯：用户可以查看乐坛资讯信息，在查询到自己想要了解的乐坛资讯的时候，可以进入查看详细的介绍进行评论、点赞、收藏操作。
（5）热门榜单：学生可以查看热门榜单，在查询到自己想要了解的热门榜单的时候，可以进入查看详细的介绍，点击“添加记录”这一按钮以后会跳转到添加记录信息填写的界面，根据提示填写好添加记录的信息，点击“提交”以后添加记录就完成了；在热门榜单详情这个界面，同时支持用户对喜欢的热门榜单进行收藏、点赞的功能。
（6）个人账户：在前台点击“个人账户”菜单可以对个人信息以及登录的密码进行设置。
（7）个人中心：当用户点击左侧“我的”这个按钮，就会进入到对应的后台进行信息的管理了；
（8）新歌榜单：用户可以查看新歌榜单信息支持通过搜索关键词的方式对新歌榜单进行查询，在查询到自己想要了解的新歌榜单的时候，可以进入查看详细的介绍。
管理员：
（1）登录：管理员在后台可以通过账号和密码进行登录，管理员的账号和密码是在数据库中直接设定的，如果忘记密码可以点击“忘记密码”进行密码找回；
（2）个人管理：管理员点击“个人管理”菜单可以对个人信息以及登录的密码进行设置。
（3）网站管理：管理员可以对系统前台展示的轮播图以及通知公告进行增删改查，方便用户进行查看。
（4）人员管理：管理员可以对个性化音乐推荐系统中的管理员以及前台注册的用户进行审核管理。
（5）模块管理：在“模块管理”这一菜单下可以对系统当中的普通用户操作的所有信息进行管理，包含了热门榜单、新歌榜单、音乐分类、歌星荟萃、歌单汇集、历史记录。
（6）内容管理：管理员可以对个性化音乐推荐系统前台展示的乐坛资讯以及资讯所属的分类进行管控。
个性化音乐推荐系统的非功能性需求比如个性化音乐推荐系统的安全性怎么样，可靠性怎么样，性能怎么样，可拓展性怎么样等。具体可以表示在如下2.1表格中：
表2.1 个性化音乐推荐系统非功能需求表
| 安全性 |
主要指个性化音乐推荐系统数据库的安装，数据库的使用和密码的设定必须合乎规范。 |
| 可靠性 |
可靠性是指个性化音乐推荐系统能够安装用户的指示进行操作，经过测试，可靠性90%以上。 |
| 性能 |
性能是影响个性化音乐推荐系统占据市场的必要条件，所以性能最好要佳才好。 |
| 可扩展性 |
比如数据库预留多个属性，比如接口的使用等确保了系统的非功能性需求。 |
| 易用性 |
用户只要跟着个性化音乐推荐系统的页面展示内容进行操作，就可以了。 |
| 可维护性 |
个性化音乐推荐系统开发的可维护性是非常重要的，经过测试，可维护性没有问题 |
个性化音乐推荐系统中普通用户角色用例图如图2.1所示：
图2.1 普通用户角色用例图
个性化音乐推荐系统中管理员角色用例图如图2.2所示：
图2.2管理员角色用例图
在上一章节中分析了个性化音乐推荐系统的功能性需求、系统性能需求，并且根据需求分析了个性化音乐推荐系统中的用例。那么接下来就要开始对个性化音乐推荐系统架构、主要功能和数据库开始进行设计。
3.1系统功能模块设计
个性化音乐推荐系统整体的功能模块包括管理员+普通用户两个模块，实现了对诊疗系统相关信息的查询管理，系统功能模块如图所示。
图3.1 个性化音乐推荐系统功能模块图
3.2数据库设计
个性化音乐推荐系统的E-R图主要是根据普通用户、新歌榜单管理以及管理员的实际需求设计的，用户注册以后可以查看热门榜单，只有注册登录以后才可以进行评论查询；管理员对整个系统的评论、热门榜单、新歌榜单等进行综合管理。个性化音乐推荐系统采用的是MYSQL的数据库进行存储的，数据库里面储存了很多的表信息，在此罗列出来一些主要的数据库E-R模型图。
图3.2 普通用户E-R关系图
图3.3 新歌榜单E-R关系图
图3.4 评论E-R关系图
图3.5 歌单汇集E-R关系图
个性化音乐推荐系统的总E-R图如下：
图3.7 个性化音乐推荐系统总E-R关系图
表a_collection_of_singers (歌星荟萃)
| 编号 |
名称 |
数据类型 |
长度 |
小数位 |
允许空值 |
主键 |
默认值 |
说明 |
| 1 |
a_collection_of_singers_id |
int |
10 |
0 |
N |
Y |
歌星荟萃ID |
|
| 2 |
name_of_singer |
varchar |
64 |
0 |
Y |
N |
歌星姓名 |
|
| 3 |
gender_of_singer |
varchar |
64 |
0 |
Y |
N |
歌星性别 |
|
| 4 |
photo_of_singer |
varchar |
255 |
0 |
Y |
N |
歌星照片 |
|
| 5 |
debut_time |
date |
10 |
0 |
Y |
N |
出道时间 |
|
| 6 |
music_type |
varchar |
64 |
0 |
Y |
N |
音乐类型 |
|
| 7 |
representative_song |
text |
65535 |
0 |
Y |
N |
代表歌曲 |
|
| 8 |
star_road_history |
text |
65535 |
0 |
Y |
N |
星路历程 |
|
| 9 |
hits |
int |
10 |
0 |
N |
N |
0 |
点击数 |
| 10 |
praise_len |
int |
10 |
0 |
N |
N |
0 |
点赞数 |
| 11 |
recommend |
int |
10 |
0 |
N |
N |
0 |
智能推荐 |
| 12 |
create_time |
datetime |
19 |
0 |
N |
N |
CURRENT_TIMESTAMP |
创建时间 |
| 13 |
update_time |
timestamp |
19 |
最低0.47元/天 解锁文章
扫一扫
1044
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
