1．目的及意义

1.1 研究目的及意义

随着互联网的飞速发展，网络正成为人们获取信息的主要渠道。然而，网络在带来呈几何级数爆炸式增长的数据的同时也带来日趋严重的问题，即人们在面对大量信息时往往无法快速且准确地获得自身真正感兴趣的信息，也就是我们所说的信息超载。

音乐作为传统的娱乐行业，在伴随互联网快速发展的同时，信息超载的问题也日益显现。随着各式各样的音乐软件与音乐网站的兴起，人们欣赏音乐的方式逐步从传统的唱片、磁带、CD过渡到利用网络下载收听数字化音乐。获取音乐资源的方式愈来愈简单，接触到的资源量也愈来愈大，随之而来的是人们挑选到自己想听的音乐的难度也越来越高。针对上述问题，传统的解决方式是利用信息检索系统，也就是搜索引擎。人们通过对关键字的检索，从海量数据中筛选出符合要求的资源。这一方式的确大大提高了人们获取资源的效率。但是，通过关键字来实现信息检索也有其弊端，关键字的引入限制了检索范围，相同的关键字即对应相同的检索数据，结果过于单一化，很大程度上并不能够满足人们对于音乐资源个性化，多元化的需求。

个性化音乐推荐系统为了实现对用户所需音乐资源的筛选与处理，相较于传统的信息检索，重在分析用户行为，研究用户喜好，与用户产生互动来归纳用户特征信息。不再受制于单一的关键字使得其能够提供多样化的信息，满足用户的个性化需求。然而，尽管个性化音乐推荐系统在国内得到广泛应用，它们仍存在各种不足，还有完善的空间。所以本文旨在研究一种个性化音乐推荐系统，提高音乐推荐的准确度，改善用户体验，为音乐爱好者带来快速、方便、准确而又个性化的音乐作品资源。

1.2 国内外研究现状

个性化音乐推荐系统最早起源于1992年，Goldberg等人在帕洛阿尔托研究中心第一次引入了协同过滤的思想，此后的三年内以该思想为指导实现了对音乐专辑及艺术家进行协同过滤的Ringo系统。

近些年来，随着人们对音乐推荐的要求不断提高，音乐推荐领域也取得了一定的研究成果。Pandora作为美国的一个个性化音乐网络电台脱颖而出。Pandora的音乐推荐算法主要来自与一个叫做音乐基因工程的项目，项目中的音乐家与研究人员通过对大量的歌曲的不同特性进行标注，这些标注即称为音乐基因。然后Pandora会根据专家标注的基因计算歌曲的相似度，并给用户推荐和他之前喜欢的音乐在基因上相似的其它音乐。
国内的音乐推荐技术相较于国外，发展普遍不够成熟，较为缓慢。但也出现了一些十分优秀的音乐推荐系统，最早可追溯至豆瓣FM。豆瓣电台通过对用户的播放行为进行分析，提供了红心、跳过、垃圾桶等功能用以修正推荐系统，提供了良好的用户体验。而最近的网易云音乐，QQ音乐等也通过进一步引入社区概念，通过分析大量用户的播放行为，极大地丰富了音乐特征描述集，用以满足用户更加多样化，个性化的需求。

{title}

2. 研究的基本内容与方案

{title}

本课题是基于Java Web相应的系统框架，在此基础上能够实现音乐上传、单曲管理、个人信息维护、收集歌曲信息、音乐检索以及系统推荐等功能模块。

（1）个性化音乐推荐系统的功能设计与实现。