提升音乐推荐系统性能构想探讨(2)

　　（二）DBSCAN聚类算法的应用

　　第二组数据是以一首歌为元组，包括歌曲的各个量化的自身属性。用DBSCAN算法，每一个点代表一首歌，使数据聚类成簇，对歌曲进行分组。在实际情况中，一首歌曲的属性多种多样，有节奏快慢、发行时间、传达的情绪等等，每一个属性决定着一个维度，他们构成多维数据。属性种类越广泛，越齐全，得到的结果也将越精确。本次实验将其简化为二维，仅用节奏快慢和发行时间的数据进行聚类。这两类数据在去除单位后的数值上有差异，并不方便进行比较和处理。因此，要把数据进行标准化处理。通过该聚类算法得到歌曲分类为{a，c，g，h}、{b，d}，其中，{f}，{e}可算作噪声点。

　　（三）两类算法结果综合分析的应用

　　假设用户听了歌曲c，要对该用户推荐歌曲，综合结果如下：从上面两种方法中得到的两个关于c的结果，分别是关联规则{a,c}和同类歌曲{a,c,g,h}，再将两个集合取并集，根据受欢迎程度（本次只按照点击量表示）将歌曲分别排序，推荐并集内热度高的歌曲。

　　三、音乐推荐系统拓展延伸

　　（一）音乐社交

　　音乐推荐系统与音乐交流平台相结合。把音乐推荐软件可以搭建在音乐交流平台上，让获得相同或类似推荐的用户参与交流和分享，让最受青睐的歌曲及时得到分享，最大限度地发挥音乐推荐系统的作用。

　　（二）音乐与天气

　　音乐推荐与地域天气相结合。使喜欢关注天气预报的人，能方便的看到自己喜欢的音乐歌曲，使喜欢歌曲的人也能随时观察到他需要的天气情况。天气也是影响用户听歌的重要因素，把歌曲的特点与天气影响人们情绪变化规律的特点恰当地结合起来，在推荐歌曲时，根据该地区的天气预报选择歌曲。例如，在下雨天推荐舒缓温柔的歌曲，天气晴朗时推荐活泼欢快的歌曲，在炎热的夏天推荐清爽宜人的音乐歌曲。

　　四、结束语

　　推荐系统作为大数据的重要应用正在日新月异地发展创新，推荐系统可以由点到线，再由线拓展到面，继续呈扇面扩展开来，进而形成功能巨大的发散型推荐系统，使其信息数据和服务范围涵盖音乐、图书、影视、日常百货以及所有商品，为用户提供越来越全面、推荐更加精准化人性化的服务，实现企业商家效益最大化的目的。

　　相关推荐：

小升初试题、期中期末题、小学奥数题

尽在奥数网公众号

　　 欢迎使用手机、平板等移动设备访问 ，幼儿教育我们一路陪伴同行！>>点击查看