藉由協同過濾與標籤機制之音樂推薦

  • 林 沛昕

學生論文: Master's Thesis

摘要

過去幾年中,數位音樂在網路所佔的比例有明顯成長,?多音樂平台及網站如雨後春筍般在網路的世界裡興起,這些音樂平台擁有大量的音樂相關資訊,雖可增加資訊豐富度,卻不容易讓使用者輕易獲取與自身確切相關的資訊,因此了解使用者的喜好變成音樂平台能超越競爭對手的決定性優勢。 推薦系統的價值在於可給予被推薦者合適的建議,利用特定的資訊過濾技術,幫助使用者從大量的資料中選出可能會有興趣的主題或資源。而在大眾分類法與資源共享系統下,使用者可利用標籤收集有興趣的資源,因標籤是使用者自行定義的,被認為可明確代表使用者意見與喜好,因此有學者將標籤概念加入推薦系統中,改善協同過濾推薦下的評價差異性等問題,然而在音樂社交平台上還包含更多隱性資訊如用戶的收聽行為、朋友圈等,都是可考量的因素。 本研究目的在於提出一個考慮用戶之標籤集、歌曲播放次數與朋友關係的相似度函數,由於用戶對於音樂方面的原始標籤並無統一用法,為了足以表示對音樂上的興趣相似,先將網站上用戶所註記的音樂類型標籤先用語意網其標籤集將其標準化後,對用戶做分群,針對目標用戶,先將其歸類到特定群組後,再與群內用戶做歌曲喜好的相似度分析,找出推薦歌曲列表;除了以標籤代表個人偏好來計算相似度之外,並將用戶的歌曲播放次數、歌曲的標籤次數等隱性評價作為權重,而實驗結果發現,利用標準化後的用戶標籤權重計算推薦效果的平均準度均值(MAP)為4 6%,比以播放次數為權重的2 4%較好,朋友關係加入於用戶標籤中,亦能改善推薦效果至5 1%,加入分群技術後也有助於推薦效果至5 7%。
獎項日期2015 七月 31
原文Chinese
監督員Hei-Chia Wang (Supervisor)

引用此

藉由協同過濾與標籤機制之音樂推薦
沛昕, 林. (Author). 2015 七月 31

學生論文: Master's Thesis