基于J2EE的个性化音乐推荐系统任务书
2020-02-20 09:30:47
1. 毕业设计（论文）主要内容：
完成类似于百度音乐、酷狗音乐的网站系统。可以进行搜索、上传、下载、收藏等功能，进行歌曲的不同分类，根据专辑、歌手、音乐类别等。根据用户听歌的习惯和风格推荐给用户不同的歌曲。具有管理员，普通登陆者和游客等角色，完成各个角色对应合理权限内的应有功能。
2. 毕业设计（论文）主要任务及要求
用j2ee的系统架构完成一个相对完整音乐网站。
实现歌曲搜索、下载、上传、收藏等功能，管理员的歌曲管理，用户信息管理等，用户的收藏记录，听歌记录，个人个性化推荐功能等。
主要对个性化推荐的算法的研究，解决用户的冷启动等问题，根据用户听歌的习惯和风格推荐给用户不同的歌曲。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
3. 毕业设计（论文）完成任务的计划与安排
（1）2019/1/14-2019/3/5 确定选题，查阅文献，外文翻译和撰写开题报告
（2）2019/3/6-2019/4/30 系统架构，程序设计与开发，系统测试与完善
（3）2019/5/1-2019/5/25 撰写和完善毕业论文
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
4. 主要参考文献
[1]李涛,符丁.基于协同过滤算法的自动化隐式评分音乐双重推荐系统[J].计算机测量与控制,2018,26(11):171-175.
[2]邓妍.每一“体”都是时代深深的烙印 浅谈音乐载体的变迁史[J].家庭影院技术,2018(11):90-93.
[3]吕军辉.基于深度学习的视频背景音乐自动推荐算法研究[J].电视技术,2018,42(10):21-24.
[4]张瑞旸.基于场景变化的实时音乐推荐系统[J].通讯世界,2018(09):231-232.
[5]陈晓霞,卢菁.融合多数据源的动态自适应推荐算法[J].计算机工程,2018,44(09):64-69.
[6]李伟,高智辉.音乐信息检索技术:音乐与人工智能的融合[J].艺术探索,2018,32(05):112-116.
[7]李卓远,曾丹,张之江.基于协同过滤和音乐情绪的音乐推荐系统研究[J].工业控制计算机,2018,31(07):127-128 131.
[8]谭斌,孙界平,琚生根,李微.基于状态转移的奖励值音乐推荐研究[J].四川大学学报(自然科学版),2018,55(04):719-726.
[9]常亮,张伟涛,古天龙,孙文平,宾辰忠.知识图谱的推荐系统综述[J/OL].智能系统学报,2019(02):1-10[2018-12-24].
http://kns.cnki.net/kcms/detail/23.1538.TP.20180702.1311.002.html.
[10]李伟,李子晋,高永伟.理解数字音乐——音乐信息检索技术综述[J].复旦学报(自然科学版),2018,57(03):271-313.
[11]符小娟.高校图书馆音乐资料的开发应用分析[J].黑龙江科学,2018,9(11):78-79.
[12]韩凝. 基于深度神经网络的音乐自动标注技术研究[D].北京邮电大学,2018.
[13]迟源. 网易云音乐用户行为调查报告[D].河南工业大学,2018.
[14]顾威. 基于Spark的音乐推荐系统的设计与实现[D].哈尔滨工业大学,2018.
[15]李媛媛. Mahout音乐推荐引擎关键技术研究[D].兰州理工大学,2018.
[16]刘莹,赵彤洲,邹冲,赵娜.基于频谱包络分析的音乐推荐算法[J].软件导刊,2018,17(06):74-76.
[17]刘笑冰. 移动互联时代的音乐社交[D].山东师范大学,2018.
[18]谭青. 基于用户评论的音乐推荐系统的研究[D].安徽理工大学,2018.
[19]金蕾. 个性化音乐推荐算法的研究与实现[D].山东大学,2017.
[20]胡昌平,查梦娟,石宇.融合个体兴趣与群体认知的音乐个性化推荐模型[J].信息资源管理学报,2018,8(02):97-103.
[2]邓妍.每一“体”都是时代深深的烙印 浅谈音乐载体的变迁史[J].家庭影院技术,2018(11):90-93.
[3]吕军辉.基于深度学习的视频背景音乐自动推荐算法研究[J].电视技术,2018,42(10):21-24.
[4]张瑞旸.基于场景变化的实时音乐推荐系统[J].通讯世界,2018(09):231-232.
[5]陈晓霞,卢菁.融合多数据源的动态自适应推荐算法[J].计算机工程,2018,44(09):64-69.
[6]李伟,高智辉.音乐信息检索技术:音乐与人工智能的融合[J].艺术探索,2018,32(05):112-116.
[7]李卓远,曾丹,张之江.基于协同过滤和音乐情绪的音乐推荐系统研究[J].工业控制计算机,2018,31(07):127-128 131.
[8]谭斌,孙界平,琚生根,李微.基于状态转移的奖励值音乐推荐研究[J].四川大学学报(自然科学版),2018,55(04):719-726.
[9]常亮,张伟涛,古天龙,孙文平,宾辰忠.知识图谱的推荐系统综述[J/OL].智能系统学报,2019(02):1-10[2018-12-24].
http://kns.cnki.net/kcms/detail/23.1538.TP.20180702.1311.002.html.[10]李伟,李子晋,高永伟.理解数字音乐——音乐信息检索技术综述[J].复旦学报(自然科学版),2018,57(03):271-313.
[11]符小娟.高校图书馆音乐资料的开发应用分析[J].黑龙江科学,2018,9(11):78-79.
[12]韩凝. 基于深度神经网络的音乐自动标注技术研究[D].北京邮电大学,2018.
[13]迟源. 网易云音乐用户行为调查报告[D].河南工业大学,2018.
[14]顾威. 基于Spark的音乐推荐系统的设计与实现[D].哈尔滨工业大学,2018.
[15]李媛媛. Mahout音乐推荐引擎关键技术研究[D].兰州理工大学,2018.
[16]刘莹,赵彤洲,邹冲,赵娜.基于频谱包络分析的音乐推荐算法[J].软件导刊,2018,17(06):74-76.
[17]刘笑冰. 移动互联时代的音乐社交[D].山东师范大学,2018.
[18]谭青. 基于用户评论的音乐推荐系统的研究[D].安徽理工大学,2018.
[19]金蕾. 个性化音乐推荐算法的研究与实现[D].山东大学,2017.
[20]胡昌平,查梦娟,石宇.融合个体兴趣与群体认知的音乐个性化推荐模型[J].信息资源管理学报,2018,8(02):97-103.
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
