网易云音乐系统实施(基于协同过滤音乐推荐系统)

数据预处理网络音乐数据，格式为json。 数据：提取歌曲名称、歌曲ID、收藏数量、所属分类等歌曲一维信息。 曲ID、曲名、歌手、曲热等曲维信息。 建立推荐系统常用库： surprise、lightfm推荐系统项目为在线和offline。 offline可以使用Python。 在线追求高效key-value格式，可以使用c或Java。 线上一定是最好的。 推荐的时候已经做了推荐的东西，而不是实时推荐，想做的话就做。 有些随着时间的推移而变化，歌与歌的相似度也很大。 但是，有些变化并不是很大。 人喜欢某种类型的歌。 将数据转换为所需格式： user : item : rating : times amp等。 歌曲ID到歌名的映射，歌曲ID到歌名的映射。 推荐算法： aprior、协同过滤、SVD、NMF等。 相似度计算： jaccard similarity。 交集个数/并集个数支持不同的评价标准： mse、msd、fcp等实现步骤计算物品间相似度类别匹配word2vec。 牛仔裤，上衣。 冷启动问题的音乐基因对用户进行预测。 每个人喜欢的歌曲都具有时效性，按照听的时间顺序排列