|
国外研究现状：个性化推荐系统的定义是 Resnick 和 Varian 在 1997 年给出的：“它是利用电 子商务网站向客户提供商品信息和建议,帮助用户决定应该购买什么产品,模拟销 售人员帮助客户完成购买过程”。从最初在电子商务网站的深度剖析，到当下在 的音乐、电影、学习资料等不同领域的广泛应用。在三十多年的时间里，个性化 推荐系统一直是学术界和工业界的关注的焦点。其优点在于主动性。它能自发地 收集并分析用户的行为数据，为用户的兴趣建模，得到用户的兴趣偏好后，匹配系 统中资源的特征，为用户做出有效的个性化推荐。同时，推荐引擎要一直监测系统 中的项目变化和用户在不同行为下的兴趣特征变迁，针对不同的变动，做出相应推 荐策略的调整。各平台为增加用户的黏着性，以及用户对推荐结果的准确度要求， 使得推荐系统的核心技术层出不穷，比较成熟的推荐技术有：基于内容的推荐、协同过滤（基于相似度的最邻近协同过滤算法、基于潜在因子的矩阵分解推荐算法）、深度学习、基于标签的推荐系统、混合推荐算法等。
国内研究现状：国内的音乐推荐技术发展相对缓慢。大多数音乐网站采用的技术不够成熟，基本上是针对所有 用户，个性化成分太少。不过，经过一段时间的发展，国内也涌现出了一些优秀的音乐推荐网站，比如 SongTaste、虾米网和豆瓣网等。SongTaste 是一个社 交性质的音乐网站。在它的社区中，每一个用户都可 以看到大家最近在收听什么音乐、有什么新的音乐推 荐。它的音乐分类相当齐全，而且推荐排行实时更 新。另外，根据用户平时推荐的歌曲、听歌行为以及 歌曲收录信息，还能够找到“相似的品味者”，从而更 好地做出推荐。豆瓣网也是一个社交性的音乐推荐 网站。它主要通过豆瓣小组、新浪微博、MSN、开心 网、人人网等互动平台来分享和传播用户喜欢的音乐。虾米网在注册成为网站会员时会让用户选择至 少 5 位艺人进行收藏，以此来初步确定用户欣赏音乐 的倾向。另外，用户还可以从大家的推荐中搜索自己 喜爱的音乐，或者从品味相似的好友中找到适合自己 的音乐。
|
