音乐推荐系统：music-recommender-system

音乐推荐系统 推荐系统是为了解决信息过多问题而产生的，可大幅度提升长尾物品的用户到达率。这里的音乐推荐系统，可根据用户历史行为信息，为用户个性化推荐音乐。 基于python语言的音乐推荐系统，采用了惊奇库，深度学习，spark + mllib等推荐方法。推荐系统由离线+在线组成，这里仅展示了离线计算方法。该音乐推荐系统可实现以下推荐策略： 1）针对用户推荐 每日歌曲推荐（根据口味生成，播放和收藏越多，推荐越准） 2）针对歌单推荐 根据你喜欢的《XXX》歌单进行推荐 3）针对歌曲推荐 听某首歌时，找“相似歌曲” 该项目同时也提出了对推荐中的冷启动问题，搭配推荐问题的一些思考。 模型简介 基于surprise的用户协同过滤算法 根据歌单之间的相似度，找到某歌单最相似的前10个歌单 歌曲序列建模 然后使用word2vce进行训练，求出歌曲之间的相似度。根据相似度，推荐某首歌的相似歌曲 基于te