文献综述
音乐推荐系统是推荐系统中非常特别的研究领域。音乐在各种推荐系统主体中是成本很低的一个产品，重用率极大，音乐不会占用用户的太多时间，闲暇时的背景音乐能无限重复播放，不需要用户全神贯注使用。音乐软件的推荐系统，往往会从用户的播放、收藏、下载、搜索等的历史列表形成一个初步的用户偏好，从而构建起推荐音乐列表。例如虾米音乐、网易云音乐,会建立音乐数据库，分析和追踪用户的听歌习惯，在数据库中进行匹配，根据匹配度推荐相似歌曲。
一、音乐音频特征提取方式
在这些算法中，需要多样性的指标增加计算的准确度[1]，声音是以诸如频率、带宽、分贝等参数的音频信号的形式表示的，Surprise（Simple Python Recommendation System Engine）是一个用来构建和分析推荐系统的Python scikit。
基于近邻的方法(协同过滤)的相似度度量标准：
1：皮尔逊相关系数（Pearson correlation coefficient）用于度量两个变量X和Y之间的线性相关。估算样本的协方差和标准差，
如公式1.1所示：
（1.1）
2：余弦相似度，给定两个属性向量A和B其余弦相似性由theta;由点积和向量长度得出，如公式1.2所示：
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
