文章详情

题名 · 作者 · 摘要 · 关键词 · DOI · 参考文献

基于用户行为数据的非负矩阵分解音乐软件推荐算法研究

金龙

（悉尼大学 工程学院，新南威尔士州 2006）

栏目：计算机技术 · 第 2025 年第 8 期 · 页码：111-116 · 2096-4706（2025）08-0111-06 · 中图分类号：TP391.4 · 文献标识码：A · DOI：10.19850/j.cnki.2096-4706.2025.08.021

摘要

随着互联网音乐服务的普及，如何为用户精准推荐音乐成为一个重要的研究课题。文章针对现有音乐推荐系统在处理冷启动、数据稀疏等问题时的不足，提出了一种基于非负矩阵分解（NMF）的音乐推荐算法。研究使用了与网易云音乐合作项目的数据集，该数据集包含超过200万用户的5 700多万条音乐交互记录。通过引入用户行为权重和稀疏约束，分别构建了加权NMF和稀疏NMF模型。实验结果表明，加权NMF在处理高频交互用户时表现最佳，F1值达到0.997 6；而稀疏NMF在处理冷启动用户时更具优势，对于交互次数少于10次的用户，其推荐准确率比基础NMF提升了15%。研究成果为音乐推荐系统的优化提供了新的解决方案。

关键词

机器学习；音乐推荐模型；NMF

参考文献

  1. [1] BOBADILLA J，ORTEGA F，HERNANDO A，et al. Recommender Systems Survey [J]. Knowledge-Based Systems，2013，46：109-132.
  2. [2] SHI Y，LARSON M，HANJALIC A. Collaborative Filtering Beyond the User-Item Matrix: A Survey of the State of the Art and Future Challenges [J].ACM Computing Surveys (CSUR)，2014，47（1）：1-45.
  3. [3] VARGHESE K，M KOLHEKAR M M，HANDE S. Denoising of Facial Images Using Non-Negative Matrix Factorization with Sparseness Constraint [C]//2018 3rd International Conference for Convergence in Technology (I2CT).Pune：IEEE，2004：1-4.
  4. [4] RICCI F，ROKACH L，SHAPIRA B，et al. Recommender Systems Handbook [M].New York：Springer，2011.
  5. [5] KOREN Y，BELL R，VOLINSKY C. Matrix Factorization Techniques for Recommender Systems [J].Computer，2009，42（8）：30-37.
  6. [6] SU X Y，KHOSHGOFTAAR T M. A Survey of Collaborative Filtering Techniques [J].Advances in Artificial Intelligence，2009，2009（1）：1-19.
  7. [7] SCHAFER J B，KONSTAN J A，RIEDL J. E-Commerce Recommendation Applications [J].Data Mining and Knowledge Discovery，2001，5（1）：115-153.
  8. [8] ZHANG S，YAO L，SUN A，et al. Deep Learning Based Recommender System: A Survey and New Perspectives [J].ACM Computing Surveys，2019，52（1）：5.1-5.38.
  9. [9] KIM J，PARK H. Fast Nonnegative Matrix Factorization: An Active-Set-Like Method and Comparisons [J].SIAM Journal on Scientific Computing，2011，36（6）：3261-3281.
  10. [10] MNIH A，SALAKHUTDINOV R R. Probabilistic Matrix Factorization [C]//Advances in Neural Information Processing Systems 15: Proceedings of the 2002 Conference.Vancouver：MIT Press，2003：1-7.
  11. [11] HU Y F，KOREN Y，VOLINSKY C. Collaborative Filtering for Implicit Feedback Datasets [C]//2008 Eighth IEEE International Conference on Data Mining.Pisa：IEEE，2008：263-272.
  12. [12] ZENG W，FAN G，SUN S，et al. Collaborative Filtering Via Multi-Layer Neural Networks [J/OL].Applied Soft Computing，2021，109：107516[2024-10-05].https://doi.org/10.1016/j.asoc.2021.107516.
  13. [13] FANG H，LI A，XU H X，et al. Sparsity-Constrained Deep Nonnegative Matrix Factorization for Hyperspectral Unmixing [J].IEEE Geoscience and Remote Sensing Letters，2018，15（7）：1105-1109.
  14. [14] GUO Z X，ZHANG S H. Sparse Deep Nonnegative Matrix Factorization [J/OL].arXiv:1707.09316 [cs.CV].[2024-09-26].https://doi.org/10.48550/arXiv.1707.09316.

作者简介

金龙（2000—），男，汉族，四川广元人，硕士研究生在读，研究方向：数据科学、机器学习。