Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Prediction of Rolling Force Based on a Fusion of Extreme Learning Machine and Self Learning Model of Rolling Force Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

Research of Music Recommendation System Based on User Behavior Analysis and Word2vec User Emotion Extraction

verfasst von : Qiuxia Li, Dan Liu

Erschienen in: Advances in Intelligent Systems and Interactive Applications

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Aiming at the recommendation accuracy, diversity and timeliness of music recommendation system, this paper puts forward the music recommendation based on user behavior analysis and user emotion extraction. User behavior analysis can analyze the music preferences, and establish user’s interest model. Collaborative filtering algorithm and user similarity calculation can be a good way to explore the user’s new interests. In addition, by analyzing user’s real-time text information in the social network. Using word2vec and clustering can help achieve the user’s real-time feeling. Combining user’s interests with user’s emotional needs, filter out the user’s current emotional music recommendation-list from the recommended music list. By this way, users get a better experience.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Application of SVM Based on Information Entropy in Intrusion Detection
Nächstes Kapitel Exploration of Information Security Education of University Students
Literatur
1.
Wang, G., Liu, H.: A summary of personalized recommendation system. Comput. Eng. Appl. 48(7), 66–76 (2012)
2.
Campbel, M.E., Clune Iii, J.E., Hicken, W.T. et al.: Music Recommendation System and Method. USA, WO 2005038666 A1[P]. 13 Aug 2004
3.
Fang, M., Lin, H.: Social tag-based mobile music search. In: Proceedings of the 5th China Information Retrieval Conference, pp. 269–271, Chinese Information Processing Society of China, Shanghai (2009)
4.
Bogdanov, D., Haro, M., Fuhrmann, F., et al.: Semantic audio content-based music recommendation and visualization based on user preference examples. Inform. Process. Manag. 49(1), 13–33 (2013)CrossRef
5.
Schedl, M., Liem, C.C.S., Peeters, G., et al.: A professionally annotated and enriched multimodal data set on popular music. In: Proceedings of the 4th ACM Multimedia Systems Conference, pp. 78–83. ACM (2013)
6.
Kim, H.H.A.: Semantically enhanced tag-based music recommendation using emotion ontology. In: Intelligent Information and Database Systems, pp. 119–128. Springer, Berlin, Heidelberg (2013)
7.
Wang, Z., Jiang, W., Li, Y.: Research on the method of fixed feature collocation in emotional analysis. J. Manag. Eng. 28(4), 180–186 (2014)
8.
Qinjun, X., Zhenyang, W.: Research on behavior recognition in video sequences. J. Electron. Measur. Instrum. 28(4), 343–351 (2014)
9.
Wang, Y., Wang, Y., Zhao, X.: The similarity method of complex matrix structure for objective evaluation of image quality. J. Instrum. Instrum. 35(5), 1118–1129 (2014)
10.
Collaboration, C.: Description and performance of track and primary-vertex reconstruction with the CMS tracker. J. Instrum 9(10), P10009 -1–P10009 -80 (2014)
11.
Liu, S., Zhang, H., Mao, Z.: Target detection method based on HRM feature extraction and SVM. Foreign Electron. Measur. Technol. 10, 38–41 (2014)
12.
Meng, X., Hu, X., Wang, L.: Mobile recommendation system and its application. J. Softw. 24(1), 91–108 (2013)CrossRefMathSciNet
13.
Li, Y., Gao, T., Li, X.: Design of video recommendation system based on cloud computing. In: China Education and Research Computer Network Academic Conference (2013)
Metadaten
Titel
Research of Music Recommendation System Based on User Behavior Analysis and Word2vec User Emotion Extraction
verfasst von
Qiuxia Li
Dan Liu
Copyright-Jahr
2018
Buch
Advances in Intelligent Systems and Interactive Applications

Print ISBN: 978-3-319-69095-7

Electronic ISBN: 978-3-319-69096-4

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-319-69096-4_65