文 献 综 述 一、 系统开发的背景 随着移动网络和数字多媒体技术的迅速发展，数字音乐已成为众人追捧的主要消费内容，基于个性化的音乐推荐也随之成为推荐领域的一大研究热点。

然而其产生的海量的音乐数据无疑超过了受众的基本需求和承受能力，进而引发用户信息疲劳。

因此，如何借助音乐个性推荐帮助用户在浩瀚的音乐库中快速、准确地获取自己感兴趣的音乐曲目变得越来越重要。

机器学习算法和理论，是以计算机学习人类行为为目的，而研究出的一整套方法论。

这些方法论中，包括了如何从大量数据中挖掘规律和知识的方法论。

推荐算法，是以给user推荐合适item为目的算法体系。

而要实现这一目的，需要从大量数据中挖掘规律和知识，这就要用到机器学习这套方法论了。

简单地说，机器学习是方法基础，推荐算法是机器学习的各种机应用领域中的一种。

随着近年来机器学习领域的迅猛发展，越来越多的算法被用于不同的实践领域中并得出较好地效果。

二、 国内外在该方向的研究现状及分析 目前常见的推荐算法包括协同过滤(基于相似类型/基于模型的协同过滤)，基于内容过滤(信息检索/机器学习) ，混合型，流行度四个系列。