基于信息检索及k均值聚类的音乐个性化推荐算法

为追求更高的推荐质量与更快的推荐效率,以音乐资源为研究目标,构建了一种结合MIR与k-means标签聚类的个性化推荐算法。选取音高变化与轮廓作为系统处理数据,利用输入、预处理、特征提取、相似度匹配和输出模块架构音乐信息检索系统,依据用户与资源的选择关系形成多模网络,通过延伸、局域范围界定以及连接优先化阶段组建检索系统的动态多维网络模型,采用k-means标签聚类搜索邻域用户,获取最近邻用户集,将解得的综合特征值设定成初始聚类中心,根据排序后的推荐资源预测结果,实现个性化推荐。针对阿里天池音乐数据开展仿真实验,采用平均绝对误差、准确率和召回率等指标验证算法性能,经实验数据比对后发现,本文算法准确率较为理想,误差较小,具备比较优越的推荐有效性。