基于深度学习的音乐推荐系统简述

本文简要介绍我做的基于深度学习的音乐推荐系统。主要从需求分析与设计实现的角度来进行介绍。
（一）需求分析
  基于深度学习的音乐推荐系统旨在以个性化音乐推荐模型为基础，使用B/S架构的形式实现。个性化推荐模型使用了 随机梯度下降（SGD）、 K近邻分类算法（KNN）、协同过滤等传统机器学习领域算法进行音乐推荐的，同时使用了类似于Word2vec的词袋模型和词向量模型来对歌词进行文本处理，构建了异构文本网络，来标识用户的歌曲偏好，然后在此基础上引入了一个Java方面深度学习库deepLearning4j来实现对音乐特征提取，对音乐进行标签化，分为古典、流行等类别。可参考来进行混合推荐的。在本系统中,用户可以浏览音乐，还可以收藏音乐，同时还能为所喜爱的音乐点赞,同时还可以进行登录和注册。管理员除了可以实现普通用户所实现的功能外，还可以进行音乐、评论、用户的管理。系统通过隐式收集用户操作记录向用户推荐个性化的音乐，与此同时，该系统还具有排行榜、热歌推荐等普通音乐网站所具有的功能，其中排行榜分为日榜和月榜，热歌推荐是根据当天用户点击量最高的50首

基于深度学习的音乐推荐系统简述最先出现在Python成神之路。