第 1 章 绪论
1.1 课题背景和研究意义。
随着个人计算机的普及和互联网技术的日渐成熟，网络正逐渐成为人们获取信息及消费的主要渠道。然而在当前这个信息时代，网络中的信息种类和数量呈现爆炸性增长的趋势，其中大多数的信息对普通用户而言都是无用的，如何迅速而准确的从冗杂的网络数据中定位自己想要的东西成为人们关注的重点[1].这样一个"数据量丰富，知识贫乏"的现状已经反映出了网络时代的一些状况，即用户要从大量的 web 信息中提取出所需的信息或产品，并不是一件容易的事情，如何才能更好的存放及管理这些看似杂乱无章的数据，并在需要时能迅速从中提取出所需数据并有效利用，是一个十分热门的研究方向[2].
同样的，对于商家而言，如何准确的找到客户的偏好倾向，并针对性地推荐商品是能否在日趋激烈的电子商务竞争中生成与发展的关键之一。个性化推荐技术就是相应发展起来的，并被广泛使用。它是用来解决信息过载问题的有效途径[3].
音乐作为传统的娱乐项目之一也存在这种互联网信息过载问题，如果经营者建立音乐网站时只是简单将所有音乐罗列，顾客想要找到喜欢的音乐无疑需要花费大量的时间浏览海量的无关信息，在漫长的查询过程中很可能会失去兴趣进而放弃使用该网站。虽然为了解决这一问题相关音乐网站基本都会设计站内搜索引擎，但对商家而言这只是一种消极、被动的解决方案，过于依赖用户的输入，一来用户输入的关键字有可能和实际的分类标签有出入导致结果不正确，二来一些客户没有听说过但有可能感兴趣的音乐很难得到浏览，为了解决这一问题，本文设计并实现了个性化音乐推荐系统。本系统是基于混合推荐的。
本文的个性化音乐推荐系统本着以用户为中心要素，尽量减少需要用户手动评价的环节，自动采集用户的个人信息、兴趣偏好、历史信息等，根据文中使用的算法进行后台计算，由系统主动发现用户的爱好方向，进而引导用户发现自己的潜在需求，主动将当前使用者感兴趣的音乐返回页面显示给用户。和传统的站内搜索引擎相比，使用个性化推荐系统一方面能让顾客享受流畅贴心的购物体验，加深与用户之间的联系，让用户对网站推荐产生信任和依赖；另一方面能够提升网站商品的曝光率，由其是一些新加入的音乐，原本想要推广并流行起来只能靠用户自己发现并互相推荐，但使用了个性化音乐推荐系统后可以按照音乐的分类主动将其推荐给有此类偏好的用户，大大增加了传播的速度，将网站的浏览者转变为消费者，提升网站的交叉销售能力，从根本上提升网站的关注度，达成网站增值的目的。
传统的推荐系统的分类有[4]:基于内容的推荐系统，协同过滤推荐系统，混合推荐系统，每种推荐算法都有其自身适用范围。在具体的条件下，它们的推荐结果也可能有所不同。如何在面对具体问题时将把这几种算法融合在一起，取得更准确的推荐结果是目前广受关注的研究方向。本文就此展开，把混合推荐算法应用到实践中，帮助用户能够快速方便地找到符合自己口味的音乐，提升用户体验。
1.2 国内外研究现状。
电子商务于上世纪 90 年代于美国提出，之后在各国都得到飞速进展[5],并对各国商业产生巨大的影响。虽然世界各国对电子商务的理论研究在各个时期呈现出不同的研究重点，但其中电子商务的发展模式一直是界内学者研究的重点方向之一。常见的电子商务模式有：企业对企业（Business-to-Business,即 B2B），企业对消费者（Business-to-Consumer,即 B2C）个人对消费者（Consumer-to-Consumer,即 C2C），企业对政府（Business-to-Government），线上对线下（Online To Offline,O2O），商业机构对家庭（Business To Family），供给方对需求方（Provide toDemand），门店在线（Online to Partner,O2P）等 8 种模式，其中最重要的是企业对企业（Business-to-Business），企业对消费者（Business-to-Consumer）2 种模式。
个性化推荐技术随着电子商务的出现而被提出。1995年3月，Carnegie MellonUniversity（CMU）教授 Robert Armstrong 等人在 National Conference on ArtificialIntelligence 上提出了个性化导航系统 Web Watcher,Stanford University 的 MarkoBalabanovic 在同一会议上提出了个性化推荐系统 LIRA.这次会议中，个性化推荐技术首次被当作独立的研究方向被提出来，而之后才得到飞速推广及普及应用。
利用推荐技术，用户不再向往常一样只能接受电商网站的信息，而是可以主动向网站提交自己的信息，主动成为网站经营环节的一部分。随着电子商务的规模越来越庞大，电商之间的竞争日趋激烈，高关注度和高流量是高销售额的前提，个性化推荐已经不只是商家的一种销售途径，更多的是用来提升试用装的浏览体验，增加用户的忠诚度，进而提高产品的销售份额。
在国外，电子商务推荐技术已经得到了广泛的运用，如 YouTube,Facebook,Amazon 等网站都应用了个性化推荐技术，其中 Amazon 的销售额中有 20%~30%来自推荐系统。
国内方面，很多购物网站淘宝、天猫等都率先使用了性化推荐服务功能。2011年前后，百度公司开始将推荐引擎与云计算、搜索引擎并列，当作其未来互联网战略规划以及发展方向。同时也声明其旗下的网站将逐步实现基于用户的个性化推荐，智能地为浏览者提供喜欢的网站。
尽管在新世纪我国的个性推荐技术也进步明显，但与美国及欧洲国家比较的话仍有明显的差距：首先，国内的推荐系统大多是简单的基于内容的推荐技术，很少考虑到用户的个性化偏好，这就导致了千人一面，所有用户看到的推荐内容基本是一致的，不能满足不同用户的需求；其次，国内现有的推荐系统对用户历史记录这一最重要的信息的重视不足，大多是简单根据用户当前停留页面，从而无法准确反映用户长期的兴趣偏好，而且导致推荐的准确度不足。
尽管如此，随着国内电子商务的迅速发展，对相关技术的迫切需求会大力推动相关技术的应用与进步。
1.3 论文的主要工作。
通过阅读相关的文献，充分了解了电子商务的发展及对个性化电子商务技术的需求。掌握当前主流个性算法的分类及相关特点和适用范围，同时对数据挖掘等推相关知识进行了深入研究。在充分掌握算法的基础上，结合实际课题需要，参考了一些相关的音乐网站，对所要实现的的功能进行了仔细的研究和分析，经过需求分析，算法设计，编程实现，测设及运行阶段，最终实现了个性化音乐推荐管理系统。
在过去几个月的设计和开发个性音乐网站系统的过程中总结出以下几点：
首先，必须要通过大量阅读相关资料掌握个性化推荐技术的算法原理以及具体编程实现过程；分析各个推荐系统算法的特点和适用范围，以及不同的环境下如何有效地结合不同算法的优势而避开算法的缺点。熟悉 VisualStudio2012 开发平台并掌握 C#开发语言，熟练运用 SQL Server 2008 数据库操作，为保证所开发系统的应用具有创新性，进行大量的学习，了解网民访问音乐站点的习惯及流程。
其次，严格进行需求分析，通过阅读一些开源电子商务网站的代码，深层次理解常见的用户需求，掌握用户及管理员的相关权限和操作流程，明确系统的开发目的及应用意义，确定网站的整体设计并确认要实现的功能模块。分别处理用户和管理员的实际功能要求，进行需求分析并设计流程图。
最后，在最后编程实现时，严格按照需求分析，确定推荐系统整体页面框架，在总框架的基础上细分子模块，明确各功能模块间的关系。确定系统中的功能模块和具体操作之间的具体关系。根据实际需求设计数据库。在数据库上进行模型设计和实现，根据相关信息确定各表间的关联。在编程实现中，使用 C#编程语言，在 VS2012 开发平台上，按照设计好的子模块进行编码实现，并安装需求分析测试相关功能。
1.4 本章小结。
本章是绪论部分，主要是介绍了课题的选题背景、电子商务的发展及个性化推荐技术的发展和大概分类，并对本文的写作过程中的主要工作进行了介绍。
通过本章的介绍，可以看出适当的选择相应的推荐算法来实现个性化音乐推荐系统对于推荐的准确性是十分重要的。本文的后续内容中将通过详细介绍系统开发的相关技术、需求分析、系统设计、编程系统实现与测试，展示一个个性化推荐系统设计与实现的完整过程。
