论文部分内容阅读
针对用户的个性化音乐欣赏需求,兼顾用户所处的特定场景,提出了一种集成协同过滤与隐马尔可夫模型的音乐推荐算法(CF-HMM)。以用户行为为参考维度,基于用户历史行为,优化用户相似度及其计算;综合考虑用户上下文信息和历史行为建立隐马尔可夫模型,并获取最大音乐类别概率序列;融合最大音乐类别概率序列与相似用户偏好,实现目标用户的多样化音乐推荐。真实数据集的实验结果表明,提出的推荐算法是有效的。