TY -的A2 Wang Wei AU -霍,永康PY - 2021 DA - 2021/03/30 TI -音乐个性化标签聚类和推荐可视化SP - 5513355六世- 2021 AB -与大数据的出现,传统的推荐算法的性能不再是足以满足需求。大多数人在使用应用程序时不会留下太多的注释和其他数据。在这种情况下，用户数据过于分散离散，存在明显的数据稀疏问题。首先，本文描述了当前推荐系统的主要思想和方法，并总结了需要注意和考虑的领域。基于这些算法和基于用户历史数据信息和音乐数据信息,可以找到现在,本文旨在建立一个个性化的音乐推荐系统基于指示标记,它可以为用户提供基本的音乐服务,推动他们个性化的音乐推荐列表。然后，介绍了基于标签的协同过滤算法。这种方法通常采用离散的标签，用户标签和音乐标签并置并置，并没有反映出每个标签的重要性和排名顺序关系，也没有反映出用户在听音乐和注释音乐时的认知顺序。为了改善这一问题，提高推荐的准确性，通过对标签序列和音乐标签数据进行关联和分析建模，构建特征有向图，将用户标签和音乐标签数据关联起来。SN - 1076-2787 UR - https://doi.org/10.1155/2021/5513355 DO - 10.1155/2021/5513355 JF -复杂性PB - Hindawi KW - ER -