TY -的A2 -古普塔,Suneet Kumar AU - Li Lei PY - 2021 DA - 2021/11/30 TI -学习推荐算法基于改进BP神经网络在音乐营销策略SP - 2073881六世- 2021 AB -流媒体音乐的发展和普及改变了音乐,消费方式和用户可以在网上听音乐随时随地。通过整合各种推荐算法/策略(用户分析、协同过滤、内容过滤、等等),我们捕捉用户的利益和偏好和推荐感兴趣的内容。解决稀疏数据在数字音乐营销行为,导致用户音乐偏好特性挖掘不足,指标排名学习与融合的内容表示的推荐算法。相对偏序关系构造用观察到的和未被注意的行为数据,使模型充分训练,同时推荐相关音频特征提取的子任务构造进一步缓解数据稀疏问题,最后,用户偏好之间的关系和歌曲通过度量学习开采。卷积神经网络用于提取高层语义特征的歌曲,然后歌曲的高层语义特征提取上一层改造成一个会话时间序列列表根据用户听的时间序列来建立一个基于注意机制双向递归神经网络模型,这样就可以减少噪声数据的影响,学习歌曲之间的依赖性很强。SN - 1687 - 5265 UR - https://doi.org/10.1155/2021/2073881 - 10.1155 / 2021/2073881摩根富林明计算智力和神经科学PB - Hindawi KW - ER