基于协同过滤的音乐推荐系统的设计与实现

眼下，大数据在各行各业都有着广泛运用，特别是网络音乐越来越受到大家的欢迎。网络音乐这一概念大家都不在陌生，通过互联网进行的音乐宣传越来越广泛，从经典音乐、到古典音乐、影视音乐等，发展到流行音乐等，通过网上平台，可以宣传各种新发行的音乐。基于协同过滤的音乐推荐系统的是在音乐网站基础上，为用户推荐感兴趣的音乐，激发用户热情，增加体验感，本网站平台提供了这样一个推荐功能，在实际的发展中具有一定意义。

基于协同过滤的音乐推荐系统基于JAVA开发，通过音乐网站了解相关行业现状和意义。提出开发音乐推荐的相关技术，对音乐推荐进行需求分析，功能设计和功能实现。通过系统测试调整功能，实现可以使用的音乐推荐系统。音乐推荐系统使用MYSQL数据库，MYECLIPSE平台搭建架构。

协同过滤就是根据用户的兴趣、经验、爱好特征来推荐感兴趣的信息。系统根据租赁信息，并不局限在租赁高的，对于不感兴趣的记录也进行过滤。

协同过滤的推荐系统比较具有代表的有以下几个系统，Tapestry是最早使用协同过滤系统的，公司员工会收到许多邮件，很难筛选有用的信息，机构发出一个需求文件，然后从文件中找到员工想看的，有用的，依此来进行过滤。

GroupLens是一个新闻应用，通过协同过滤系统过滤感兴趣的新闻，通过新闻内容的评分用来参考，并假设感兴趣的新闻在未来也有可能再次查看，这种新闻权重设置较高。

音乐推荐系统，在上一个章节中，通过内容推荐可以为用户推荐音乐，使用协同过滤也同样可以，不同的地方是，系统根据用户信息，朋友感兴趣的内容进行推荐。