基于SpringBoot的前后端分离音乐网站设计与实现开题报告

 2023-02-23 10:02

1. 研究目的与意义

近年来,移动网络的发展非常迅速,同时带动了数字多媒体技术的飞速发展,90后的年轻人已经成为了消费主力,数字音乐也成为他们最喜爱的消费内容之一,用户可以通过访问大型音乐数据库来获取自己感兴趣的音乐。然而在当今信息时代,信息的种类和数量呈爆炸式增长,音乐作为传统娱乐项目也同样不可避免地存在信息过载问题。

普通的音乐用户在面对音乐数据库的海量音乐数据时,往往不能迅速地找出符合自己喜好的歌曲,对于他人推荐的音乐又不能很好地契合自己的需求。目前信息过载是一个亟待解决的问题,即用户不能理解或者掌握大量物品信息,或者是用户在某个领域并没有明确的目标而是只有一个模糊的需求,个性化音乐推荐的目的即是帮助用户在庞大的音乐信息库中快速地筛选出感兴趣的音乐。目前主流的大型音乐门户类网站通常都包含了海量的音乐库,音乐库中有各种流派和种类的音乐,每月还在以很高的增长率增加新的音乐,而且音乐服务是非沉浸式的,用户可以边听音乐边完成其他的事情,音乐仅仅是用来作为种背景音,这就导致了用户的需求会比较模糊,因此,搭建一个个性化的音乐推荐系统很有必要,也有着很广阔的发展前景。

同时,由于音乐复杂特殊的分类以及用户兴趣刻画演化的复杂性,使得音乐推荐系统推荐音乐歌曲需要从多方面的角度入手,既要对音乐歌曲本身的分类作出细致的刻画,设定多种分类标准,也要对用户的兴趣演化进行详实的表示。在社交音乐平台上,用户可以对歌曲留言和评论来表达自己的看法,我们可以从中提取用户为音乐打上的社会化标签,这些标签所包含的内容可能有艺术家、音乐风格、音乐流派、用户当前情境、感受、心情、背景等,这些标签信息提供了大量的歌曲的属性信息以及用户在听歌时的场景信息、用户的即时心情、正在进行的活动或地理位置等,这些信息都有助于我们判断并为用户推荐合适的音乐。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 研究内容和预期目标

研究内容: 音乐推荐系统,意在为用户提供个性化的音乐推荐服务,根据用户对歌曲的留言和评论为不同歌曲打上标签,然后对不同用户进行相应的推荐。主要功能应该包括用户个性化界面和普通音乐界面。

基于这些相关的问题,拟定的一些音乐推荐系统可能包含的模块为:

一、管理员相关

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 国内外研究现状

1. 国外研究现状

国外推荐系统的发展大致可以分为三个阶段:推荐系统形成的初期阶段、推荐系统商业应用的出现以及推荐系统的新型算法不断涌现。

在学术领域,音乐推荐系统的发展已经超过20年,除最早的ringo音乐推荐系统外,cohen w使用了一个爬虫程序从网络中上启发式收集用户收藏列表用于补充协同过滤系统中的用户评分。chen,h.使用音高、持续时间和响度等特征表示音乐对象的属性,使用访问历史记录用户偏好,根据用户对音乐特征的兴趣偏好的不同进行分类,对音乐偏好相似的用户进行分组推荐。eck提出一种使用机器学习来自动从音频文件中提取声学特征的社会标签的自动标记算法,通过提取梅尔频率倒谱系数(mfcc)声学特征对音乐种类进行识别。2011年celma在推荐研究领域地最高级别会议recsys上总结音乐推荐相关技术并且将机器学习等技术应用到音乐推荐中。bing在2018年kaggle组织的kkbox音乐挑战大赛中使用特征工程提取评分矩阵的音乐、用户以及歌曲类别、时间等特征,综合考虑这些特征从而向用户推荐音乐。wang使用基于深度信念网络(deep belief network)和概率矩阵模型的新模型,从音频内容中学习音乐特征并利用概率矩阵表示用户与音乐之间的关系,将两种特征拟合为用户评分矩阵,从而训练后做出个性化推荐。近年来,国外的研宄者一直关注于音乐推荐领域,并做出了很多研宄成果,在音乐推荐领域中也出现了非常成功的商业产品。目前很多音乐推荐系统,如last.fm、pandora、applemusic等,都是首先构建音乐数据库,然后分析音乐的标签、歌词等特征,跟踪用户的听歌行为,从而根据项目-用户的匹配度,为用户推荐相关音乐。其中pandora在“musicgenome”项目中为音乐库中每个音乐标注特征,通过计算用户的行为和对歌曲的评分相似度为用户做出推荐。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 计划与进度安排

1、2022-11-16至2022-12-02:指导老师下达任务书,对本次毕业设计的进度安排、功能实现和系统提出要求。

2、2022-12-03至2022-12-31:系统设计方面,进行系统需求分析,做好基础的数据准备及技术准备工作,构思系统的功能模块及整体框架。

3、2022-01-01至2022-06-28:在导师的指导下,完成爬虫模块,完成相关实验数据的处理,搭建好的音乐推荐系统并通过导师检验。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

5. 参考文献

[1]曹珂崯. 基于用户行为和音频特征的音乐推荐系统研究与实现[d].桂林理工大学,2020.doi:10.27050/d.cnki.gglgc.2020.000431.

[2]王云竹.个性化音乐推荐系统的设计与实现[d].吉林大学,2015.

[3]张嘉威.基于标签的音乐推荐系统设计与实现[d].北京邮电大学,2017.

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

课题毕业论文、文献综述、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。