基于深度信念网络DBN 的音乐推荐系统设计

田杰，胡秋霞，司佳豪

（西安航空学院计算机学院，陕西西安 710077）

面对成千上万的音乐，人们可能会在海量的音乐中听到一首比较喜爱的音乐，但是不能每次都遇到喜爱的音乐[1-2]。而音乐推荐系统可以很好地为用户提供想要听的音乐。

基于网易云的音乐内容，平台会记录用户在网易云平台的所有行为，最终会结合用户画像和用户行为为用户推荐相关歌曲[3-4]。龚志等[5]提出了基于多模态的音乐推荐系统。彭程、张瑞旸、胡昌平等分别对睡眠音乐、场景变化的实时音乐和融合个体兴趣与群体认知的音乐个性化推荐模型和系统进行了研究[6-8]。鲍美英、李涛等分别设计了基于Android 的音乐推荐系统和基于协同过滤算法的自动化隐式评分音乐双重推荐系统[9-10]。

以上研究者在音乐推荐系统方面都取得了一定效果。但是音乐搜索方法已经变得越来越落后，所以需要发展一个更先进的搜索方法更好地为用户进行音乐推荐。文中设计了基于深度信念网络（DBN）的音乐推荐，通过深度信念网络进行无监督的训练，得到可以进行相似度计算的音乐向量，有效地提取到音乐特征并且完成分类，通过深度信念网络模型的训练得到音乐彼此之间的向量关系，将这些彼此的音乐向量进行皮尔逊相关系数的计算，按音乐间彼此的相似度进行降序排序，以此来完成最终的音乐推荐，形成服务于用户的个性化音乐推荐系统。

1 系统概述

文中设计了基于音乐内容和深度信念网络的音乐推荐系统，推荐系统的详细过程如图1 所示。……