1. 研究目的与意义（文献综述）

随着网络空间中的数据信息量日益增加，不可避免地造成了信息过载这一问题。为解决这一问题诞生出了推荐系统。在音乐这一领域，互联网让获取音乐更加方便、快捷，但是音乐曲目数量日益增大，单纯地靠关键词来搜索显得有点无力，因为有些潜在的可能喜欢的音乐你可能之前并未了解，因此更为吸引人的是个性化的智能推荐。

国外著名的网站pandora和last.fm是音乐推荐的始祖级代表。pandora网站是基于“音乐的基因”来实现推荐的，即提取音乐的特征属性，包括速度和节奏等，将其量化为具体数值，之后进行特征相似度的计算。而last.fm网站则是根据用户的收听行为和收藏记录，找到与其兴趣爱好最相似的若干个用户，并将这些相似用户普遍喜欢的音乐推荐给该目标用户。

国内的音乐推荐技术发展相对缓慢。大多数音乐网站采用的技术不够成熟，基本上是针对所有用户，个性化成分太少。不过，经过一段时间的发展，国内也涌现出了一些优秀的音乐推荐网站，比如网易云音乐、虾米音乐、百度音乐等。除去版权差异，对于音乐推荐来说，网易云音乐无疑是国内最为出色的音乐平台，很多人惊喜地发现使用网易云音乐听的歌曲基本上都是自己喜欢的歌曲。这是综合了用户的听歌记录、收藏的歌曲、歌单、歌手、收看的mv以及本地歌曲等多种因素得到的结果，经过强大又有点复杂的计算之后推荐出来的。

2. 研究的基本内容与方案

基本内容和目标

完成类似于百度音乐、酷狗音乐的网站系统。可以进行上传、下载、收藏等功能，进行歌曲的不同分类，根据专辑、歌手、音乐类别等。根据用户听歌的习惯和风格推荐给用户不同的歌曲。具有管理员，会员、普通登陆者和游客等角色，实现网站的歌曲分类，歌曲上传，下载，推荐等功能

技术方案及措施

3. 研究计划与安排

（1）2018/1/14-2018/3/5 确定选题，查阅文献，外文翻译和撰写开题报告

（2）2018/3/6-2018/4/30 系统架构，程序设计与开发，系统测试与完善

（3）2018/5/1-2018/5/25 撰写和完善毕业论文

4. 参考文献（12篇以上）

spark并行化基于物品协同过滤算法

大规模隐式反馈的词向量音乐推荐模型

基于spark的推荐系统的研究