（二）DBSCAN聚類算法的應用

　　第二組數據是以一首歌為元組，包括歌曲的各個量化的自身屬性。用DBSCAN算法，每一個點代表一首歌，使數據聚類成簇，對歌曲進行分組。在實際情況中，一首歌曲的屬性多種多樣，有節奏快慢、發行時間、傳達的情緒等等，每一個屬性決定著一個維度，他們構成多維數據。屬性種類越廣泛，越齊全，得到的結果也將越精確。本次實驗將其簡化為二維，僅用節奏快慢和發行時間的數據進行聚類。這兩類數據在去除單位后的數值上有差異，并不方便進行比較和處理。因此，要把數據進行標準化處理。通過該聚類算法得到歌曲分類為{a，c，g，h}、{b，d}，其中，{f}，{e}可算作噪聲點。

　　（三）兩類算法結果綜合分析的應用

　　假設用戶聽了歌曲c，要對該用戶推薦歌曲，綜合結果如下：從上面兩種方法中得到的兩個關于c的結果，分別是關聯規則{a,c}和同類歌曲{a,c,g,h}，再將兩個集合取并集，根據受歡迎程度（本次只按照點擊量表示）將歌曲分別排序，推薦并集內熱度高的歌曲。

　　三、音樂推薦系統拓展延伸

　　（一）音樂社交

　　音樂推薦系統與音樂交流平臺相結合。把音樂推薦軟件可以搭建在音樂交流平臺上，讓獲得相同或類似推薦的用戶參與交流和分享，讓最受青睞的歌曲及時得到分享，最大限度地發揮音樂推薦系統的作用。

　　（二）音樂與天氣

　　音樂推薦與地域天氣相結合。使喜歡關注天氣預報的人，能方便的看到自己喜歡的音樂歌曲，使喜歡歌曲的人也能隨時觀察到他需要的天氣情況。天氣也是影響用戶聽歌的重要因素，把歌曲的特點與天氣影響人們情緒變化規律的特點恰當地結合起來，在推薦歌曲時，根據該地區的天氣預報選擇歌曲。例如，在下雨天推薦舒緩溫柔的歌曲，天氣晴朗時推薦活潑歡快的歌曲，在炎熱的夏天推薦清爽宜人的音樂歌曲。

　　四、結束語

　　推薦系統作為大數據的重要應用正在日新月異地發展創新，推薦系統可以由點到線，再由線拓展到面，繼續呈扇面擴展開來，進而形成功能巨大的發散型推薦系統，使其信息數據和服務范圍涵蓋音樂、圖書、影視、日常百貨以及所有商品，為用戶提供越來越全面、推薦更加精準化人性化的服務，實現企業商家效益最大化的目的。

　　相關推薦：

小升初試題、期中期末題、小學奧數題

盡在奧數網公眾號

　　 歡迎使用手機、平板等移動設備訪問幼教網，幼兒教育我們一路陪伴同行！>>點擊查看