1. 研究目的与意义（文献综述）

随着时代的发展，每一代年轻人都经常选择让音乐与自己为伴，用音乐来愉悦身心，消磨时光。如果能有一款够自动的为我们推荐歌单，实时更新歌单的软件，将给人们听音乐带来极大的便利。

但是，在现有的音乐播放器中，很难找到这样一款软件。如果音乐播放软件无法为用户带来满意的用户体验，那么这款播放软件就是一个失败的产品。天天动听作为国内第一批出现的音乐播放软件，因为没有前人的经验，以及技术上的不成熟，没有为用户带来十分便捷的推荐系统，在2016年最终被阿里巴巴收购。2015年2月，腾讯推出的qq 音乐借助着qq 这个广阔的平台短时间内得到了快速的发展，但是在推荐音乐方面，qq 音乐更多关注于歌曲的分类，基于内容向用户进行推荐。2005 年8月酷我音乐抓住了移动端的市场，但是与qq 音乐一样，它同样没有过多的关注于音乐推荐领域。随着网易云音乐的出现，因为其采用了更加人性化的推荐算法，每日推荐，用户可以不必刻意地去寻找好听的音乐，qq 音乐以及酷我音乐的市场份额越来越多地被网易云音乐占据。 但是网易云音乐在实时推荐以及根据场景变化自动推荐等方面还有着进一步的提升空间。而国外音乐推荐系统则更是百花齐放。国外著名主流音乐播放有poweramp、google music等，在音乐推荐方面，都做得不够智能化，而相对在音乐推荐方面小有成就的spotify，它虽然曲库非常全，归类做的很出色，也有跟网易云音乐类似的每日推荐，但是其在实时推荐等方面也还有着进一步的提升空间。

而优良的音乐软件，对于个人来说，它能在我们工作、娱乐，或就是简简单单的发呆时，带给我们精神上的放松与享受。对于公众来说，在商场、咖啡厅、饭店等公共场所，同样会起到营造一种舒适的氛围的作用。但是无论是对于个人还是公众，大家都很难有足够多的精力去网上寻找适合播放的歌曲，因此音乐播放软件成了当前可以说是必不可少的娱乐软件。自动的为我们推荐歌单，实时更新歌单的音乐软件，将惠及更多需要音乐的个人或者商业公司等。

2. 研究的基本内容与方案

基本内容：

用j2ee的系统架构完成一个相对完整音乐网站。（1）实现歌曲搜索、下载、上传、收藏功能，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。

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。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。

3. 研究计划与安排

（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

4. 参考文献（12篇以上）

[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]
[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]a collaborative filtering method for music recommendationusing playing coefficients for artists and usersby: sanchez-moreno, diego; gilgonzalez, ana b.; munoz vicente, m. dolores; et al. expert systems withapplications volume: 66 pages: 234-244 published:dec 30 2016

[17]a personalized music recommendation system based onelectroencephalography feedbackby: chang, hong-yi; huang, shih-chang; wu,jia-hao multimedia tools and applications volume: 76 issue: 19 pages: 19523-19542 published: oct 2017

[18]qin,x., wang, r., huang, x., et al. (2017). slope one collaborative filteringalgorithm based on multi-weights. data analysis amp; knowledge discovery, 2(8),49–52.