随着信息科学与数字技术的快速发展,数字多媒体技术被广泛应用到诸多领域,包括信息咨询、商业展示和多媒体娱乐等。我们经常使用的网络音乐系统、网络视频系统等就是多媒体娱乐领域中的具体应用。这些应用的推广在丰富大众生活、满足大众需求的同时也面临着一些挑战。比如,推荐系统中常见的问题有冷启动、数据稀疏等,它们会降低用户的使用感、无法确保推荐的稳定性。此外,大数据时代的来临,系统中数据量指数级增加,使得信息过载现象日益加剧,导致系统中存在着大量噪音。对于拥有庞大用户群的网络音乐系统而言,保证用户在较短时间内可以得到感兴趣的音乐信息,已成为当前急待解决的重要难题。近年来,科研人员围绕满足用户需求和提高系统性能等多个方面一直在对推荐算法、存储技术进行不断的改进和优化。使用最广的推荐算法是基于内容、协同过滤的推荐,它们通过抽取用户、物品的数据特征,然后建立用户或物品间的关系,最后基于推荐算法生成推荐给用户的物品信息,取得了不错的效果。本文根据它们的思路,提出了基于热度和基于奇异值分解(Singular Value Decomposition,简称SVD)的推荐算法,它可以实现向新注册用户和老用户推荐不同内容的音乐列表。SVD推荐算法的实现是基于用户音乐播放量计算出用户的音乐偏好,然后通过SVD分解进行稀疏矩阵降维,得到音乐推荐列表。这样做的话,一方面可以满足用户需求,另一方面还能够降低系统中的数据计算量。本文设计实现的基于Vue框架和django框架相结合的前后端分离的音乐推荐系统,凭借两个框架各自的技术优势使得系统的开发更具可行性。本文先是具体分析了用户的功能性和非功能性需求,根据面向对象的方法,对系统进行了详细的用例分析和静态分析,确定的系统功能包括:用户注册登录、用户信息修改、音乐播放、音乐推荐、音乐检索和音乐评价等。然后根据需求分析结果,通过时序图的方式阐明了功能的动态交互过程。根据静态分析结果,抽象出系统中的类对象,并由类和类之间的关联,设计了系统的数据库表。最后,通过前端页面展示了系统具体功能的实现结果,并进行了相应的功能、非功能性测试。系统测试结果表明:系统能够保证系统的稳定性,在具备用户注册、登录等认证功能和音乐播放、收藏等音乐管理功能的同时还实现了音乐推荐功能,该系统具有很广泛的应用范围。
暂无评论