深度学习 音乐分类_深度学习在音乐推荐中的应用

深度学习在音乐推荐中的应用

汤敬浩

;

杜炜

;

朱月俊

;

【期刊名称】

《计算机产品与流通》

【年

(

卷

),

期】

2017(000)007

【摘要】

协同过滤

(Collaborative

filtering)

是推荐系统中最广泛应用的一种方

法

,

传统基于协同过滤的方法使用用户

-

物品评分矩阵预测用户对物品的喜好。

在音乐推荐中

,

由于评分矩阵的过于稀疏而无法学习出用户和音乐的潜在特征。

为了解决该问题

,

本文提出了一种基于内容的堆叠式降噪自动编码器

,

其结合了基

于内容的推荐和协同过滤的优点。在

Kaggle

的比赛数据集上

,

可以发现模型表

现要优于传统的协同过滤方法。

【总页数】

3

页

(P

.203-205)

【关键词】

协同过滤

;

推荐系统

;

深度学习

;

自动编码器

【作者】

汤敬浩

;

杜炜

;

朱月俊

;

【作者单位】

北京邮电大学计算机学院

;

北京邮电大学计算机学院

;

北京邮电大学

计算机学院

;

【正文语种】

英文

【中图分类】

J692

【相关文献】

1.

深度学习在信息推荐系统的应用综述

[J],

刘凯

;

张立民

;

周立军

2.

基于深度学习的推荐系统研究综述

[J],

黄立威

;

江碧涛

;

吕守业

;

刘艳博

;

李

德毅

3.

基于深度学习的推荐算法研究综述

[J],

王俊淑

;

张国明

;

胡斌