音乐推荐系统 推荐系统是为了解决信息过多问题而产生的,可大幅度提升长尾物品的用户到达率。这里的音乐推荐系统,可根据用户历史行为信息,为用户个性化推荐音乐。 基于python语言的音乐推荐系统,采用了惊奇库,深度学习,spark + mllib等推荐方法。推荐系统由离线+在线组成,这里仅展示了离线计算方法。该音乐推荐系统可实现以下推荐策略: 1)针对用户推荐 每日歌曲推荐(根据口味生成,播放和收藏越多,推荐越准) 2)针对歌单推荐 根据你喜欢的《XXX》歌单进行推荐 3)针对歌曲推荐 听某首歌时,找“相似歌曲” 该项目同时也提出了对推荐中的冷启动问题,搭配推荐问题的一些思考。 模型简介 基于surprise的用户协同过滤算法 根据歌单之间的相似度,找到某歌单最相似的前10个歌单 歌曲序列建模 然后使用word2vce进行训练,求出歌曲之间的相似度。根据相似度,推荐某首歌的相似歌曲 基于te