音乐推荐与检索：协同过滤、深度学习及Docker应用

简介：
本项目聚焦于音乐推荐系统的研究与开发，结合协同过滤和深度学习技术提升个性化推荐能力，并利用Docker部署优化解决方案。 项目主要工作在 Million Song Dataset 数据集下基于 Python 的 scikit-surprise 库实现了基于协同过滤的音乐推荐，并使用 CNN（卷积神经网络）实现相似音乐推荐。其中，协同过滤算法通过 Python scikit-surprise 库编写完成，但由于采用的数据集中指标较低，系统中采用了三个不同算法的结果进行投票以优化协同过滤的效果。此外，项目还参照相关研究实现了基于深度学习的音乐推荐方法，该方法主要针对相似旋律的音乐进行推荐。具体来说，其通过 CNN 对音乐音频信息提取特征，并将这些特征向量与已保存的一些音乐特征向量进行匹配计算相似度，以此确定最相近的一系列歌曲作为最终推荐结果。这种方法可用于音乐检索和防止抄袭等问题上。