本文简要介绍我做的基于深度学习的音乐推荐系统。主要从需求分析与设计实现的角度来进行介绍。
（一）需求分析
基于深度学习的音乐推荐系统旨在以个性化音乐推荐模型为基础，使用B/S架构的形式实现。个性化推荐模型使用了 随机梯度下降（SGD）、 K近邻分类算法（KNN）、协同过滤等传统机器学习领域算法进行音乐推荐的，同时使用了类似于Word2vec的词袋模型和词向量模型来对歌词进行文本处理，构建了异构文本网络，来标识用户的歌曲偏好，然后在此基础上引入了一个Java方面深度学习库deepLearning4j来实现对音乐特征提取，对音乐进行标签化，分为古典、流行等类别。可参考来进行混合推荐的。在本系统中,用户可以浏览音乐，还可以收藏音乐，同时还能为所喜爱的音乐点赞,同时还可以进行登录和注册。管理员除了可以实现普通用户所实现的功能外，还可以进行音乐、评论、用户的管理。系统通过隐式收集用户操作记录向用户推荐个性化的音乐，与此同时，该系统还具有排行榜、热歌推荐等普通音乐网站所具有的功能，其中排行榜分为日榜和月榜，热歌推荐是根据当天用户点击量最高的50首歌曲进行推荐给用户的。
（二）概要设计
1、系统架构
本系统采用MVC模式作为架构，其中使用了MyBatis来作为数据持久化框架，进行数据库数据的映射。同时前端采用了JSP、JavaScript、CSS来进行开发，后端采用SSM框架来进行开发，该框架为当前企业中较为流行的一种框架。
2、系统总体设计图
3、数据库设计
数据库方面我主要设计了11个表，分别是歌曲收藏表、歌曲下载记录表、用户点赞表、音乐播放记录表、歌曲推荐表a、歌曲推荐表b、歌曲评论表、用户角色表、音乐详情表、用户信息表、用户角色表。下面是数据库关系图。
（三）详细设计
1、所用技术
2、具体模块设计
（1）用户注册模块
（2）用户登录模块
（3）管理员管理模块
（4）音乐播放模块
（5）歌曲排行榜模块
（6）个性化音乐推荐模块模块
（五）实现
已经将完整项目上传github，可参考：基于深度学习的音乐推荐系统
————————————————
版权声明：本文为CSDN博主「Evan_love」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/Evan_love/article/details/105315701
