基于用户推荐系统的音乐播放器开发文档

已于 2022-09-13 18:50:49 修改
阅读量950 收藏 2
点赞数 2
文章标签： python 开发语言 qt5 音视频 numpy
于 2022-09-13 15:58:27 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_46096128/article/details/126835312
版权

音乐播放器

简介：系统组成

具备：

pyqt5前端GUI模块

基于用户（user)歌曲推荐系统模块

用户安全管理、歌曲管理、收藏管理、等模块

摘要

  1. 基于pyqt5 作为前端UI界面的开发语言

  2. 数据库数据格式为csv文本通过读取为list列表，进行索引操作 --可改进

  3. 音乐曲库为网易云华语部分歌单(5w+非重复歌曲) （切分数据集，提升速度）

    总曲库爬取了网易云音乐中80w首歌400w+次收藏的歌单，推荐数据从中切分为华语部分歌单

  4. 播放方式为 网络MP3资源（获取网易云外链+id） + 本地MP3资源 --pyqt内的媒体播放模块（可以支持网络mp3资源的播放）

    PyQt5.QtMultimedia import QMediaPlayer, QMediaContent （Anaconda虚拟环境存在读不到的bug，升降pyqt版本解决）

  5. 推荐系统基于用户的音乐收藏数据，实现基于用户协同过滤的音乐推荐列表

    使用jaccard算法进行相似度计算（二值离散）（倒查表技术）

  6. 收藏管理具有增加和删除功能，所有数据在playlist_1.csv 和 playlist_2.csv中

开发心得

  • 数据结构的选择很重要（数据存取）：

json dict set list touple

pandas DataFrame pd.DataFrame()

numpy NDarray np.array()

​ 例：读取playlist.csv文件用DataFrame格式不利于增删改查操作（扩列）

​ 有的人收藏歌曲只有3首，有的人却有1000多首，过于稀疏

​ 所以采用行读取，变成一个个列表list的形式进行操作，便于索引和读写，最后再写回去 --分表能显著提升效率

​ 还有一种方案，采用二进制，将文件数据以字典形式保存

  • 每一个pyqt窗口都是一个类，且类之间平等：

可以互相调用的前提是在一起，ui与功能代码分离

通过继承关系进行ui资源初始化,将所有的窗口类定义在一个py文件下，类之间的属性要共用，就用global xxx

例：登陆界面（class ui_1）的用户输入数据要传给播放界面（class ui_2)

  • MP3数据格式的解析：

用eyeD3实现歌曲元信息的增加、删除、修改等操作

  • 为了便于数据的个性化，每个用户都有自身的UID

jupyter 代码链接

本机代码，github支持

一、推荐系统使用说明

  1. 用户数据读取，收藏模块的数据已经闭合，所以直接读取数据库playlist.csv内所有数据即可

  2. 将数据转化为二值离散型稀疏矩阵（行：用户UID，列：歌曲UID，值：（0：未收藏 1：已收藏）

    歌曲根据风格可以切分成很多张表，但这里根据用户去推荐，所以歌曲列就不切分形成多张表了。

    具体操作为：

    读取原始歌单爬虫数据(json)，挑选需要的数据项（歌单数据[id,name] , 歌单ID对应下的歌曲ID列表[1,2,3,4…] ，歌单热度）

    （如图）

每个歌单的格式

里面包含非常多的信息(风格，歌手，歌曲播放次数，歌曲时长，歌曲发行时间…)

`

{
    "result": {
        "id": 111450065,
        "status": 0,
        "commentThreadId": "A_PL_0_111450065",
        "trackCount": 120,
        "updateTime": 1460164523907,
        "commentCount": 227,
        "ordered": true,
        "anonimous": false,
        "highQuality": false,
        "subscribers": [],
        "playCount": 687070,
        "trackNumberUpdateTime": 1460164523907,
        "createTime": 1443528317662,
        "name": "带本书去旅行吧,人生最美好的时光在路上。",
        "cloudTrackCount": 0,
        "shareCount": 149,
        "adType": 0,
        "trackUpdateTime": 1494134249465,
        "userId": 39256799,
        "coverImgId": 3359008023885470,
        "coverImgUrl": "http://p1.music.126.net/2ZFcuSJ6STR8WgzkIi2U-Q==/3359008023885470.jpg",
        "artists": null,
        "newImported": false,
        "subscribed": false,
        "privacy": 0,
        "specialType": 0,
        "description": "现在是一年中最美好的时节，世界上很多地方都不冷不热，有湛蓝的天空和清冽的空气，正是出游的好时光。长假将至，你是不是已经收拾行装准备出发了？行前焦虑症中把衣服、洗漱用品、充电器之类东西忙忙碌碌地丢进箱子，打进背包的时候，我打赌你肯定会留个位置给一位好朋友：书。不是吗？不管是打发时间，小读怡情，还是为了做好攻略备不时之需，亦或是为了小小地装上一把，你都得有一本书傍身呀。读大仲马，我是复仇的伯爵；读柯南道尔，我穿梭在雾都的暗夜；读村上春树，我是寻羊的冒险者；读马尔克斯，目睹百年家族兴衰；读三毛，让灵魂在撒哈拉流浪；读老舍，嗅着老北京的气息；读海茵莱茵，于科幻狂流遨游；读卡夫卡，在城堡中审判……读书的孩子不会孤单，读书的孩子永远幸福。",
        "subscribedCount": 10882,
        "totalDuration": 0,
        "tags": [
            "旅行",
            "钢琴",
            "安静"]
        "creator": {
            "followed": false,
            "remarkName": null,
            "expertTags": [
                "古典",
                "民谣",
                "华语"
            ],
            "userId": 39256799,
            "authority": 0,
            "userType": 0,
            "gender": 1,
            "backgroundImgId": 3427177752524551,
            "city": 360600,
            "mutual": false,
            "avatarUrl": "http://p1.music.126.net/TLRTrJpOM5lr68qJv1IyGQ==/1400777825738419.jpg",
            "avatarImgIdStr": "1400777825738419",
            "detailDescription": "",
            "province": 360000,
            "description": "",
            "birthday": 637516800000,
            "nickname": "有梦人生不觉寒",
            "vipType": 0,
            "avatarImgId": 1400777825738419,
            "defaultAvatar": false,
            "djStatus": 0,
            "accountStatus": 0,
            "backgroundImgIdStr": "3427177752524551",
            "backgroundUrl": "http://p1.music.126.net/LS96S_6VP9Hm7-T447-X0g==/3427177752524551.jpg",
            "signature": "漫无目的的乱听，听着，听着，竟然灵魂出窍了。更多精品音乐美图分享请加我微信hu272367751。微信是我的精神家园，有我最真诚的分享。",
            "authStatus": 0}
        "tracks": [{歌曲1},{歌曲2}, ...]
     }
}
每首歌曲的格式
{
	"id": 29738501,
	"name": "跟着你到天边 钢琴版",
	"duration": 174001,
	"hearTime": 0,
	"commentThreadId": "R_SO_4_29738501",
	"score": 40,
	"mvid": 0,
	"hMusic": null,
	"disc": "",
	"fee": 0,
	"no": 1,
	"rtUrl": null,
	"ringtone": null,
	"rtUrls": [],
	"rurl": null,
	"status": 0,
	"ftype": 0,
	"mp3Url": "http://m2.music.126.net/vrVa20wHs8iIe0G8Oe7I9Q==/3222668581877701.mp3",
	"audition": null,
	"playedNum": 0,
	"copyrightId": 0,
	"rtype": 0,
	"crbt": null,
	"popularity": 40,
	"dayPlays": 0,
	"alias": [],
	"copyFrom": "",
	"position": 1,
	"starred": false,,
	"starredNum": 0
	"bMusic": {
	    "name": "跟着你到天边 钢琴版",
	    "extension": "mp3",
	    "volumeDelta": 0.0553125,
	    "sr": 44100,
	    "dfsId": 3222668581877701,
	    "playTime": 174001,
	    "bitrate": 96000,
	    "id": 52423394,
	    "size": 2089713
	},
	"lMusic": {
	    "name": "跟着你到天边 钢琴版",
	    "extension": "mp3",
	    "volumeDelta": 0.0553125,
	    "sr": 44100,
	    "dfsId": 3222668581877701,
	    "playTime": 174001,
	    "bitrate": 96000,
	    "id": 52423394,
	    "size": 2089713
	},
	"mMusic": {
	    "name": "跟着你到天边 钢琴版",
	    "extension": "mp3",
	    "volumeDelta": -0.000265076,
	    "sr": 44100,
	    "dfsId": 3222668581877702,
	    "playTime": 174001,
	    "bitrate": 128000,
	    "id": 52423395,
	    "size": 2785510
	},
	"artists": [
	    {
		"img1v1Url": "http://p1.music.126.net/6y-UleORITEDbvrOLV0Q8A==/5639395138885805.jpg",
		"name": "群星",
		"briefDesc": "",
		"albumSize": 0,
		"img1v1Id": 0,
		"musicSize": 0,
		"alias": [],
		"picId": 0,
		"picUrl": "http://p1.music.126.net/6y-UleORITEDbvrOLV0Q8A==/5639395138885805.jpg",
		"trans": "",
		"id": 122455
	    }
	],
	"album": {
	    "id": 3054006,
	    "status": 2,
	    "type": null,
	    "tags": "",
	    "size": 69,
	    "blurPicUrl": "http://p1.music.126.net/2XLMVZhzVZCOunaRCOQ7Bg==/3274345629219531.jpg",
	    "copyrightId": 0,
	    "name": "热门华语248",
	    "companyId": 0,
	    "songs": [],
	    "description": "",
	    "pic": 3274345629219531,
	    "commentThreadId": "R_AL_3_3054006",
	    "publishTime": 1388505600004,
	    "briefDesc": "",
	    "company": "",
	    "picId": 3274345629219531,
	    "alias": [],
	    "picUrl": "http://p1.music.126.net/2XLMVZhzVZCOunaRCOQ7Bg==/3274345629219531.jpg",
	    "artists": [
		{
		    "img1v1Url": "http://p1.music.126.net/6y-UleORITEDbvrOLV0Q8A==/5639395138885805.jpg",
		    "name": "群星",
		    "briefDesc": "",
		    "albumSize": 0,
		    "img1v1Id": 0,
		    "musicSize": 0,
		    "alias": [],
		    "picId": 0,
		    "picUrl": "http://p1.music.126.net/6y-UleORITEDbvrOLV0Q8A==/5639395138885805.jpg",
		    "trans": "",
		    "id": 122455
		}
	    ],
	    "artist": {
		"img1v1Url": "http://p1.music.126.net/6y-UleORITEDbvrOLV0Q8A==/5639395138885805.jpg",
		"name": "",
		"briefDesc": "",
		"albumSize": 0,
		"img1v1Id": 0,
		"musicSize": 0,
		"alias": [],
		"picId": 0,
		"picUrl": "http://p1.music.126.net/6y-UleORITEDbvrOLV0Q8A==/5639395138885805.jpg",
		"trans": "",
		"id": 0
	    }
	}
}

`

推荐库 surprise lightfm 看下他们的核心代码，然后再来写自己的，核心是数据处理（数据），相似度计算（算法），数据评估部分（模型预测和评估）

import surprise 用这个库算sort函数会将计算结果如0.99978四舍五入为1，需要将计算结果*100000后使用
import lightfm

project = offline modelling + online predictio

1）offline python脚本语言

2）online 效率至上 C++/Java

原则：能离线预先算好的，都离线算好，最优的形式：线上是一个K-V字典

1）针对用户推荐 网易云音乐(每日30首歌/7首歌)

2）针对歌曲 在你听某首歌的时候，找“相似歌曲”

从json文件中提取最终形成playlist.csv文件：（如图）
在这里插入图片描述

每行包括：歌单段（名称##标签##UID##热度） 歌曲段（SID:::歌名:::作者:::歌曲评分）

1.数据处理字典化处理

将每行数据处理成如下格式，便于字典化处理（第一列：歌单UID，第二列：歌曲SID，第三列：收藏状态（1），第四列：时间戳）

可扩展为redis k-v数据库

popular_music_suprise_format.txt
在这里插入图片描述

​

用二进制形式存储，一个用户一行记录，读取速度又上了一个台阶

2.二值离散型稀疏矩阵生成

根据popular_music_suprise_format.txt 的数据格式，形成字典K-V形式，获取行（歌曲列表）列（歌单UID）

初始化一个长宽分别是（歌曲列表）（歌单UID）长度的全零矩阵。最后还需要根据用户是否收藏了该歌曲，即根据之前做的K-V字典，

将歌单中含有的歌设置为1。这样一个可以进行矩阵运算的稀疏矩阵就正式生成了，然后将它保存为csv格式为下一步计算做准备。

a1__生成稀疏矩阵.py 代码如下：

import numpy as np
import pandas as pd


def create_ndarrary():
    
    file = r'D:\music_recommdation\working_data\data\output\popular\popular_music_suprise_format.txt'
    with open(file) as f:
        all = f.readlines()
        # lines = all[1:]             #去除首行的表头
        lines=all
        aDict = {}
        sample = []                   #定义样本存储变量
        for line in lines:
            # details = line.split('\t')[:3]      #取文件每行的前三列
            details = line.split(',')[:3]
            key1 = details[0]
            if key1 not in aDict:               #若key1不在定义字典中，则进行记录，否则不记录
                aDict[key1] = {}

                key2 = details[1]
                aDict[key1][key2] = details[2]
            else:
                key2 = details[1]
                aDict[key1][key2] = details[2]
            sample.append(key2)              #记录样本


    h=list(aDict.keys())
    #去重！！！！！！！！！！！！！
    sample=list(set(sample))
    l=sample
    data=l
  
    print(len(l))
    print(len(h))
    df1 = pd.DataFrame(0, index=h, columns=l)

    try:
        for k,v in  aDict.items():
            for k2,v2 in v.items():

                df1.loc[str(k),str(k2)]=1   #赋值
    except Exception as e:
        print(e)
            
    print(df1)

    df1.to_csv('D:\music_recommdation\working_data\cse\zzzj.csv')

    f = open('h.txt','w')
    for i in h:
        f.write(i+'\n')
    f.close()

if __name__ == '__main__':
    create_ndarrary()

在这里插入图片描述

3.计算对应的jaccard相似度

有了矩阵内容就可以开始计算对应的jaccard相似度了

案例：

from scipy.spatial.distance import cdist
 x=np.array([1,1,1,0,0,0,0,0,0,0])
 y=np.array([0,1,1,0,0,0,1,0,0,1])
 sim1 = cdist(x.reshape(1, -1),y.reshape(1, -1),metric='jaccard')[0][0]
 print('使用cdist jaccard求解的jaccard距离:',sim1)

a2_jaccard计算.py 时间与内存优化版–(利用列表读取、因为dataframe启动加载耗时更久)

import pandas as pd
import numpy as np
from scipy.spatial.distance import cdist




def use_UID_get_preid(UID):
    
    UID = UID
    path_2 = 'D:\music_recommdation\working_data\data\playlist_1.csv'
    f = open(path_2, 'r+', encoding='utf-8')

    preid = -1  # 矩阵csv开头是1  -1 是内部文件位置
    for i in f:
        contents = i.strip().split("\t")
        name, tags, playlist_id, subscribed_count = contents[0].split("##")

        preid += 1
        if UID == playlist_id:
            print(preid)
    f.close()
    return preid

preid = use_UID_get_preid('95441924')


k = 10

f2= open('D:\music_recommdation\working_data\cse\zzzj.csv','r', encoding='utf-8')

j=0  #1081
list_y =[]
# print(f2)
for i in f2:
    # if k<=1081:
    if j==preid-3:
        print(i.strip('\n').split(','))
        list_y =i.strip('\n').split(',')[1:]
        j += 1
    else:
        pass
        # print(i)
        # print(i.strip('\n').split(',')[1:])
        j+=1


f2.close()


f= open('D:\music_recommdation\working_data\cse\zzzj.csv','r', encoding='utf-8')
print(list_y)
list_x = []
list_sim=[]
dic_sim={}

m=0  #1081
ll=0
for i in f:
    # if k<=1081:
    if m==0:
        m += 1
        # print(m)
        pass
    else:
        # print(m)
        # print(i)
        # print(i.strip('\n').split(',')[1:])
        list_x=i.strip('\n').split(',')[1:]
        # print(list_x)
        # print(np.array(list(df.iloc[i])))
        x = np.array(list_x)
        y = np.array(list_y)
        sim1 = cdist(x.reshape(1, -1), y.reshape(1, -1), metric='jaccard')[0][0]
        list_sim.append(float(sim1))
        dic_sim[ll] = float(sim1)
        # m += 1
    # m += 1
    ll+=1

# print(list_sim)
# print(dic_sim)
f.close()
# print(f.readline().strip('\n').split(',')[1:])




def get_sim(x):
    return list_sim[x]

#降序
list_sim.sort()
print(list_sim)
id_list_get =[]
for i in range(1,k+1):
    #根据字典的值获取它的键
    print(list(dic_sim.keys())[list(dic_sim.values()).index(list_sim[i])])
    id_list_get.append(list(dic_sim.keys())[list(dic_sim.values()).index(list_sim[i])])
print('id_list_get',id_list_get)

list_to_id = []
id_list = []
f = open('h.txt','r')
for i in f:
    list_to_id.append(i)
print(len(list_to_id))
for i in id_list_get:
    id_list.append(list_to_id[i])
f.close()

f2 = open('id_list.txt','w')
for i in id_list:
    f2.write(i)
f2.close()
print(id_list)

相似度由高到底排序：

在这里插入图片描述

去掉自身后，取前10（k=10）相识度的歌单： （获取歌曲位于数据库中的行号和对应的UID）

在这里插入图片描述

4.生成推荐结果文件

获取歌曲位于数据库中的行号和对应的UID后，根据之前的字典取得对应歌单名和其下对应的歌曲，根据用户UID去对应保存为name.txt 和id.txt

import os
import pickle


def use_UID_get_preid(UID):
    # UID = '1000002'
    UID = UID
    path_2 = 'D:\music_recommdation\working_data\data\playlist_1.csv'
    f = open(path_2, 'r+', encoding='utf-8')

    preid = -1  # 矩阵csv开头是1  -1 是内部文件位置
    for i in f:
        contents = i.strip().split("\t")
        name, tags, playlist_id, subscribed_count = contents[0].split("##")

        preid += 1
        if UID == playlist_id:
            print(preid)
    f.close()
    return preid



def playid_name_2to(UID):

    #显示对应歌单名
    # 重建歌单id到歌单名的映射字典
    id_name_dic = pickle.load(open("../data/output/popular/popular_playlist.pkl","rb"))

    #歌曲名-->歌曲id
    song_id_name_dic = pickle.load(open("../data/output/popular/popular_song.pkl","rb"))
    # print("加载歌曲id到歌曲名的映射字典完成...",song_id_name_dic)
    id_song_name_dic = {}
    for songlist_id in song_id_name_dic:
        id_song_name_dic[song_id_name_dic[songlist_id]] = songlist_id
    # print("加载歌单名到歌单id的映射字典完成...",id_song_name_dic)

    # 重建歌单名到歌单id的映射字典
    name_id_dic = {}
    for playlist_id in id_name_dic:
        name_id_dic[id_name_dic[playlist_id]] = playlist_id
    # print("加载歌单名到歌单id的映射字典完成...",name_id_dic)
    # ==============================================================================================

    f = open('id_list.txt','r')
    name_song_list = []
    for i in f:
        print(i.strip('\n'))
        name_song_list.append(id_name_dic[i.strip('\n')])
    print(name_song_list)


    list_music = []
    for playlist in name_song_list:
        print(playlist, name_id_dic[playlist], )
        list_music.append(name_id_dic[playlist])
       

    music_song_id_list_2 = []
    music_song_id_list = []

    in_file='../data/output/popular/popular_music_suprise_format.txt'
    for line in open(in_file, encoding='utf-8'):
        music_id, song_id, artist, popularity = line.split(",")
       
        if music_id in list_music:
          
            music_song_id_list.append(song_id)
       
    k=0
    music_song_id_list_2=list(music_song_id_list)  #保存id  歌曲id列表
    print(music_song_id_list_2)
    for i in music_song_id_list:
        try:
            if i in song_id_name_dic.keys():
        
                music_song_id_list[k]=song_id_name_dic[i]
                k=k+1
        except:
            print("没名字")
    print(music_song_id_list)  #id-->name  歌名列表


    # ========================================================
    path = r"D:/music_recommdation/working_data/data/recommendation_list/"+UID
    print(os.path.exists(path))
    if not os.path.exists(path):
        os.mkdir(r"D:/music_recommdation/working_data/data/recommendation_list/"+UID)
        file = open(r"D:/music_recommdation/working_data/data/recommendation_list/" + UID + "/name.txt", "w+",encoding='utf-8')
        file2 = open(r"D:/music_recommdation/working_data/data/recommendation_list/" + UID + "/id.txt", "w+",encoding='utf-8')
        file.close()
        file2.close()
   
    file = open(r"D:/music_recommdation/working_data/data/recommendation_list/"+UID+"/name.txt", "w+", encoding='utf-8')
    for line in music_song_id_list:
        file.write(line+'\n')
    
    file.close()

    file2 = open(r"D:/music_recommdation/working_data/data/recommendation_list/"+UID+"/id.txt", "w+", encoding='utf-8')
   
    for line in music_song_id_list_2:
        file2.write(line+'\n')
    file2.close()

    for i in music_song_id_list_2:
        if i in id_song_name_dic.keys():

            music_song_id_list[k]=id_song_name_dic[i]

    print(music_song_id_list_2)


if __name__ == '__main__':
    # play_id = use_UID_get_preid('1000002')
    # print(play_id)

    UID = '95441924'
    playid_name_2to(UID)

生成结果如下：到时候音乐播放系统的推荐内容就从这里加载。

在这里插入图片描述

在这里插入图片描述

5：推荐系统的评估

下图为playlist.csv中用户UID:1633933的收藏歌曲

在这里插入图片描述

如下为推荐系统给出的推荐内容：可以看出（哦漏）被准确推荐给了用户
在这里插入图片描述

1.playlist.csv -->

popular_music_suprise_format.txt

# 解析成userid itemid rating timestamp行格式

import json
import sys


def is_null(s):
    return len(s.split(",")) > 2


def parse_song_info(song_info):
    try:
        # song_id, name, artist, popularity = song_info.split("::")
        song_id, name, artist, popularity = song_info.split(":::")    #按照:::分开元素
        # return ",".join([song_id, name, artist, popularity])
        return ",".join([song_id, '1', '1300000'])  #给每个元素直接插入‘,’，变成str
        # return ",".join([song_id, popularity, '1300000'])
    except Exception as e:
        # print e
        # print song_info
        return ""


def parse_playlist_line(in_line):
    try:
        contents = in_line.strip().split("\t")
        # print(contents)
        name, tags, playlist_id, subscribed_count = contents[0].split("##")
        songs_info = map(lambda x: playlist_id + "," + parse_song_info(x), contents[1:])  #lambda 元素: 函数 ,序列
        songs_info = filter(is_null, songs_info)   #filter(函数,序列)   判断序列是否满足函数结果为TRUE，是TRUE留下，否则从序列中删去
        return "\n".join(songs_info)
    except Exception as e:
        print(e)
        return False


def parse_file(in_file, out_file):
    out = open(out_file, 'w')
    for line in open(in_file, encoding='utf-8'):
        result = parse_playlist_line(line)
        if (result):
            out.write(result.strip() + "\n")
    out.close()

path = "./data/output/popular/"
parse_file("./data/playlist.csv", path+"popular_music_suprise_format.txt")

2.playlist.csv -->

popular_playlist.pkl #从歌单id到歌单名称的映射字典

popular_song.pkl #从歌曲id到歌曲名称的映射字典

import pickle
import sys
"""
歌单id-->歌单名
歌曲id-->歌曲名
歌单id-->对应所有歌曲id序列

"""

path = "./data/output/popular/"
def parse_playlist_get_info(in_line, playlist_dic, song_dic):
    contents = in_line.strip().split("\t")
    name, tags, playlist_id, subscribed_count = contents[0].split("##")
    #创建歌单id字典映射
    playlist_dic[playlist_id] = name
    for song in contents[1:]:
        try:
            song_id, song_name, artist, popularity = song.split(":::")
            # 创建歌曲id字典映射
            song_dic[song_id] = song_name+"\t"+artist
        except:
            print("song format error")
            print(song+"\n")

def parse_file(in_file, out_playlist, out_song):
    #从歌单id到歌单名称的映射字典
    playlist_dic = {}
    #从歌曲id到歌曲名称的映射字典
    song_dic = {}
    for line in open(in_file, encoding='utf-8'):
        parse_playlist_get_info(line, playlist_dic, song_dic)
    #把映射字典保存在二进制文件中
    print(playlist_dic)
    pickle.dump(playlist_dic, open(out_playlist,"wb"))
    #可以通过 playlist_dic = pickle.load(open("playlist.pkl","rb"))重新载入
    pickle.dump(song_dic, open(out_song,"wb"))

parse_file("./data/playlist.csv", path+"popular_playlist.pkl", path+"popular_song.pkl")

  song_id, song_name, artist, popularity = song.split(":::")
        # 创建歌曲id字典映射
        song_dic[song_id] = song_name+"\t"+artist
    except:
        print("song format error")
        print(song+"\n")

def parse_file(in_file, out_playlist, out_song):
#从歌单id到歌单名称的映射字典
playlist_dic = {}
#从歌曲id到歌曲名称的映射字典
song_dic = {}
for line in open(in_file, encoding=‘utf-8’):
parse_playlist_get_info(line, playlist_dic, song_dic)
#把映射字典保存在二进制文件中
print(playlist_dic)
pickle.dump(playlist_dic, open(out_playlist,“wb”))
#可以通过 playlist_dic = pickle.load(open(“playlist.pkl”,“rb”))重新载入
pickle.dump(song_dic, open(out_song,“wb”))

parse_file(“./data/playlist.csv”, path+“popular_playlist.pkl”, path+“popular_song.pkl”)
咕叽~
关注
基于用户的音乐推荐平台
YiRan_Zhao的博客
07-28 1096
中国石油大学（北京）现代远程教育 毕 业 设 计（论文） 基于用户的音乐推荐平台 姓 名： 学 号： 性 别： 专 业: 年 级： 学习中心： 指导教师： 2020年9月2日 基于用户的音乐推荐平台 摘 要 随着信息技术和互联网的飞速发展，信息过载问题日益严重，在这样的前提下，个性化推荐的研究也越来越重要。音乐平台推荐系统中最核心的技术就是推荐算法，它在很大程度上左右着音乐平台推荐系统...
C++大作业——音乐播放器（带开发文档）
08-06
这是一款小巧但功能十分强大的音乐播放器，支持mp3，wav，wma格式，还带有歌词同步显示功能，代码极具参考价值，并且代码有详细注释，附有开发文档。
网易云音乐基于用户的推荐系统
热门推荐
zhong_ethan的博客
08-09 1万+
网易云音乐核心功能是其推荐算法，据观察，日推主要采用itemCF方法。网易云音乐根据每日获取到的听歌列表，优先推荐跟该歌曲相似的歌曲。如今，网易云音乐着重社交功能，因此，本文尝试构建基于用户的推荐系统。 摘要：本文思路是根据用户所有时间听歌排行计算相似度，推荐用户最近一周听歌次数大于2次的歌曲。采用jaccard距离和向量余弦计算相似度。本文目录为数据集获取、数据预处理、数据分析、算法实现和结果...
phonon music player 开发文档
lcyangcss的专栏
05-24 1560
TheMusic Player Example shows how to use Phonon - the multimediaframework that comes with Qt - to create a simple music player. Theplayer can play music files, and provides simple playback control,s
基于用户"Context"的音乐推荐
09-22
结合音乐标签和LDA、频繁序列、协同过滤以及用户“Context”的音乐推荐
基于Android Studio开发的安卓的音乐播放器app
05-24
本文将深入探讨基于Android Studio的音乐播放器应用开发，涵盖登录、注册、音乐列表、播放页面以及播放控制等功能。 首先，Android Studio是Google推出的一款集成开发环境（IDE），专为Android应用开发设计。它提供...
基于SSM音乐播放器管理系统(源码+论文+ppt+开发文档+演示视频)
最新发布
12-26
随着社会的发展，计算机的优势和普及使得音乐播放器管理系统的开发成为必需。音乐播放器管理系统主要是借助计算机，通过对首页、音乐推荐、付费音乐、论坛信息、个人中心、后台管理等信息进行管理。减少管理员的工作...
Android音乐播放器开发文档.pdf
07-14
《Android音乐播放器开发详解》 在Android平台上开发一款音乐播放器是一项技术性强且充满挑战的任务，涉及到多媒体处理、用户界面设计、网络通信等多个方面。本文档将详细讲解如何构建一个具备在线下载、播放、SD卡...
基于java的音乐播放器的设计.doc
11-28
本文设计的基于Java Applet的音乐播放器，能够满足用户对音乐播放器的需求，实现了音乐播放器的全自动语音控制，避免了繁琐的查找操作，实现了播放器的人性化。该设计方案支持多种音频格式，包括WAP、AIFF、MIDI、AU...
Android课程设计---基于Android系统的音乐播放器设计与实现.doc
05-29
【Android课程设计——音乐播放器开发】 在本次课程设计中，学生被要求开发一个基于Android系统的音乐播放器，目标是创建一个能够播放多种音乐格式（如MP3和WAV），支持基本播放控制（播放、暂停、停止、切换曲目、...
实现音乐推荐系统（源代码）
03-01
recommendation_engines.py Recommenders.py 推荐系统.ipynb
pyqt5QQ音乐播放器+音频可视化.rar
06-11
python与pyqt5+pyaudio+user32.dll合力打造毕业设计，内有易语言写的登陆器（包括了源码），还有爬虫部分，数据库sqlite3，UI与交互部分，窗口特效部分。 爬虫学得好，局子进的早。 背后又一凉
PyQt 开发的音乐播放器（比较美观：D）
08-05
播放歌曲；上/下一首；随机、循环、单曲循环；批量添加、删除歌曲；打开、存储播放列表（M3U格式）；添加到收藏；歌词展示，在桌面显示歌词，有填充效果；歌曲搜索；播放网络歌曲；自动保存配置；托盘、菜单播放控制。
PyQt5 +requests 写一个能播放全网音乐的播放器
01-21
先展示一下界面： 原创文章 9获赞 9访问量 834 关注 私信 展开阅读全文 作者：别挡着我发光
PyQt5:简单视频播放器
07-05
PyQt5:利用QMediaPlayer，QVideo实现简单视频播放器。列表。进度条，播放、暂停。
android版音乐播放器开发教程,Android音乐播放器开发文档(20200907152026).pdf
weixin_35127842的博客
05-26 287
Android 音乐播放器撰写人：张 XX2011-3-15一、 问题定义本软件是为了用户智能手机 Android 而开发的一套智能软件， 提供在线下载音乐，在线播放音乐，读取 SD 卡音乐文件等功能。二、 可行性研究社会可行性分析： 3G 技术飞速发展，为满足人们对音乐的追求，音乐播放器层出不从，...
自己动手开发音乐播放器(四)文件操作
meishadevs的个人博客
03-06 1485
所有的准备工作做完了后，就可以实现播放音乐的功能了吗，NO，在实现播放音乐之前还需要处理音乐文件，就是对音乐文件的增删改查 首先我们需要知道OPENFILENAME结构和GetFileName函数 OPENFILENAME结构是一个文件处理结构  参数： DWORD         lStructSize;   HWND          hwndOwner;   HINSTANCE
基于网易云音乐评论的用户推荐系统（全）
Python中文社区
04-13 3716
♚伪文艺Boy，Python、R、Java爱好者，喜欢新鲜感，一个简单、纯粹的IT小伙。博客：https://blog.csdn.net/striver6本文作者已加入P...
混合音乐推荐系统_基于网易云音乐评论的用户推荐系统（全）
weixin_39986435的博客
11-27 357
♚伪文艺Boy，Python、R、Java爱好者，喜欢新鲜感，一个简单、纯粹的IT小伙。博客：https://blog.csdn.net/striver6本文作者已加入Python中文社区专栏作者计划番外篇一：用Python挖掘网易云音乐的热门歌单番外篇二：基于网易云音乐评论的用户推荐系统(文本处理)一、相似用户推荐(Python之sklearn版本)1.1 sklearnScikit-...
基于Android的音乐播放器开发
"基于安卓的音乐播放器开发" 这篇文档主要描述了一个针对Android平台的音乐播放器的开发项目，旨在创建一个简单实用的本地音乐播放应用程序。该项目是物联网移动应用开发课程的一部分，由学生王玉恒完成，指导教师...
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值