余莉娟

摘要：互联网技术和电子信息技术的迅速发展为整个时代提供了巨大的计算能力，个性化推荐系统成为时代产物的缩影。结合常用的推荐系统核心算法，设计了一种针对个性化音乐的Apriori改进算法，此算法通过用户信息进行深度学习，利用候选矩阵压缩的方法进行推荐优化，采用准确性、召回率等参数作为评价标准。以Last.fm音乐网站的部分数据作为分析样本，对选定音乐按个性化音乐推荐方式进行试验，Apriori改进算法在准确率和召回率方面均得到优化，推荐效果更优。在考虑推荐数量的前提下，Apriori改进算法的准确率和召回率均高于Plaucount算法，而相似度方面低于Plaucount算法。

关键词：深度学习;推荐系统;个性化;音乐

中图分类号：G643

文献标志码：A

ResearchonPersonalizedMusicRecommendationAlgorithmBasedonDeepLearning

YULijuan

（CollegeofArt，ShangluoCollege，Shangluo726000，China）

Abstract：RapiddevelopmentoftheInternettechnologyandelectronicinformationtechnologyhasprovidedhugecomputingpowerforthewholeera，andpersonalizedrecommendationsystemhasbecometheepitomeoftheproductoftheera.Combinedwiththecommoncorealgorithmofrecommendationsystem，thispaperprovidesanimprovedApriorialgorithmforpersonalizedmusic.Thisalgorithmappliesuserinformationforindepthlearning，candidatematrixcompressionforrecommendationoptimization，accuracy，recallrateandotherparametersasevaluationcriteria.TakingpartofthedataofLast.fmmusicWebsiteastheanalysissample，theselectedmusicistestedaccordingtothepersonalizedmusicrecommendationmode.TheAprioriimprovedalgorithmisoptimizedinaccuracyandrecallrate，andtherecommendationeffectisbetter.Onthepremiseofconsideringthenumberofrecommendations，theaccuracyandrecallrateofAprioriimprovedalgorithmarehigherthanthatofPlaucountalgorithm，andthesimilarityislowerthanPlaucountalgorithm.

Keywords：deeplearning;recommendationsystem;personalization;music

0引言

伴隨着互联网技术和电子信息技术的迅速崛起，大数据技术、云计算技术、机器人技术、人工智能技术、深度学习技术[1]等方面的发展尤为突出，对整个信息时代的进步与发展提供了巨大的计算能力。在如此海量的信息中，快速准确地找到所需信息变得越来越重要，而且有价值。由此而诞生的推荐系统[23]成为了用户需求与内容之间的桥梁，既可以满足用户找到感兴趣的潜在内容，也能够更好地展示冷门内容，发掘潜在用户。

当今社会已拥有更为强大的包容性，不同领域也均呈现出独有的个性化和多元化，个性化推荐系统则能够满足不同用户的需求，精准地为用户提供更好地体验，由此产生了巨大的商业价值，成为互联网企业争相抢夺的“蛋糕”。……