目前国际上已经有许多广为人知的个性化音乐推荐服务平台。如个性化音乐推荐服务平台的鼻祖Pandora网站和全球最大的正版流媒体音乐服务平台Spotify。Pandora网站使用的是一款名为音乐基因组计划的音乐分析引擎，它通过收集并分析用户喜爱的曲风、艺人以及对已推荐歌曲的反馈，然后根据歌曲的音色、曲调、节奏、风格等特征来为用户推荐的歌曲。Spotify则针对每个客户的音乐品味，为每个客户建立了一个用户画像，根据艺术家和音乐流派的不同进行分类。然后根据不同的分类向客户推荐歌单。在同一时期，国内的音乐推荐服务仍处于发展阶段，先期的代表有虾米网、豆瓣电台等。[2]目前在音乐推荐服务领域中，市场反馈较好的有网易云音乐的“个性推荐”。然而在网易云音乐中，推荐歌单的形成方式仍以人工推荐为主，这并不能做到真正意义上的个性化推荐。所以本文希望通过智能推荐的方式来解决当前所存在的问题。

近年来，随着目前信息技术的迅猛发展，各个行业都积累了海量的数据资料。从如此海量的数据中可以反映出大量的关键信息，使用数据挖掘的方式方法来解决生活中的实际问题也逐渐成为了一种趋势。音乐产业在这几年的发展过程中也积累了大量的用户行为数据。同时，也有越来越多的人着眼于这些海量的用户行为数据，想从中提取出有价值的信息。于是越来越多的人希望通过分析用户的行为喜好，来做到更为精准有效的个性化歌曲推荐。90490

参考文献

[1] 中音数协音乐产业促进会。 2016中国音乐产业发展报告[J]．论文网当代音乐，2016，33：11-11．

[2] 刘亚林。 基于FP-growth算法的音乐推荐应用研究[D]。北京交通大学,2015．

[3] Nong Ye。 Data Mining: Theories, Algorithms, and Examples[M]。美国：CRC Press，2014：185-191．

[4] Robert Layton。 Learning Data Mining with Python[M]。英国：Packt Publishing，2015：61-79．

[5] 麦好。 机器学习实践指南：案例应用解析（第二版）[M]。北京：机械工业出版社，2016。7：297-298．

[6] 阿里音乐。 阿里音乐流行趋势预测大赛[DB/OL]。：https://tianchi。shuju。aliyun。com/，2015．

[7] Continuum Analytics。 Anaconda [EB/OL]。：https://www。continuum。io/downloads，2016．

[8] Pydata。 Pandas [EB/OL]。：http://pandas。pydata。org/pandas-docs/stable/10min。html，2016．

[9] Magnus Lie Hetland。 Python基础教程（第二版）[M]司维，曾军崴，谭颖华译。北京：人民邮电出版社，2014：34-36．

[10] Robert Layton。 Python数据挖掘入门与实践[M] 杜春晓译。北京：人民邮电出版社，2016：49-50．

[11] Jason Briggs。趣学python编程[M]尹哲译。北京：人民邮电出版社，2014。3：69-77．

[12] Will Richert, Luis Pedro Coelho。 机器学习系统设计[M]刘峰译。北京：人民邮电出版社，2014：27-28．