基于springboot vue的个性化音乐播放平台设计与开发开题报告

1. 研究目的与意义

本次选题为基于springboot和vue的个性化音乐播放平台的设计与开发，随着internet 在生活中的应用日益普及,听歌逐渐成为多数人生活中不可或缺的一部分。不同于往日，随着如今网上资源的爆发性增长，从中获取有效的信息变得愈加困难。相较于网上的大量资源，用户所能接触的信息其实很有限。于是帮助用户在茫茫资源中找到所需要的信息的解决方案诞生了，例如推荐系统和搜索引擎。

来自iimedia research的数据，截止2020年底，酷狗音乐活跃人数在2.8亿次，位居首位，为第一发展梯队，qq音乐、酷我音乐、网易云音乐、咪咕音乐活跃用户数在1-2.5亿次之间，为第二发展梯队，小米音乐、音乐台、虾米音乐用户活跃数小于1亿之间，处于第三发展梯队。如此情况和酷狗音乐，qq音乐与网易云音乐等的推荐系统莫不可分。

现今音乐软件内的歌曲数量往往成千上万，虽然这些歌曲被有条理地划分在不同的模块之中，但是由于数量过多，存在严重的信息过载问题，导致一首歌被每一位音乐用户听过的可能下微乎其微，故个性化音乐播放平台将成为音乐用户的眼睛，帮助其选择最值得听的音乐，来满足音乐用户对“几首好听的歌曲”的模糊需求。

2. 研究内容和预期目标

本次的音乐推荐系统旨在完成一个具有个性化音乐推荐系统的音乐播放器。首先完成音乐推荐系统的需求分析，概要设计，详细设计，然后是该系统的功能设计，主要功能有登录系统，用户登录后有一个调查问卷，用户根据自己的喜好完成调查问卷，系统以调查问卷的回答和用户的注册信息初步推荐给音乐用户最合适的歌曲，随后根据用户的歌单改变个性化推荐。

本系统需要解决的问题及解决方案大致有

3. 国内外研究现状

近年来，网络应用尤其是移动应用的快速发展，使得人们能够方便的浏览大量的网络信息资源，如何为用户从海量的信息资源中推荐符合其需求的资源（如歌曲、商品、电影、书籍等）成了目前研究者们关注的问题之一，推荐系统可以有效的对信息进行过滤和筛选，帮助用户以个性化的方式来检索符合其需求的信息资源，缓解信息过载的问题。推荐技术经过不断的发展和更新，已经在音乐、教育、电子商务、社交网络等领域广泛应用。协同过滤算法被提出后，推荐系统逐渐成为一个新的研究热点。

目前国内推荐算法比较流行的有协同过滤推荐算法，基于内容的推荐算法，混合推荐算法，流行度推荐算法，本次系统我想采用协同过滤算法来实现。原因是协同过滤算法可以不需要用户和项，大部分场景中能够产生足够好的结果。但是采用协同过滤算法也会面临没有初始数据的问题，本系统考虑采用用户注册问卷调查的方式这个困境，收集用户信息，分析用户特征来完成个性化音乐推荐。

4. 计划与进度安排

1、2022-10-16至2021-11-1:与导师交流并确定选题，根据选题查找相关书籍、期刊等，完成综述的撰写。

2、2021-11-1至2021-12-31:论文方面，系统整理与毕业论文有关的所有资料，形成论文思路，撰写毕业论文开题报告，并完成论文的结构和框架;系统设计方面，进行系统需求分析，做好基础的数据准备及技术准备工作，构思系统的功能模块及整体框架。

3、2022-01-01至2022-02-28:在导师的指导下，完成系统基础模块开发，并通过导师检验。

5. 参考文献

[1] 周惠宏,柳益君,张尉青,谢俊元.推荐技术在电子商务中的运用综述［j］.计算机应用研究,2004-8-12.

[2] 赵兴元,王晶莹.三十年来国内音乐领域算法研究演进趋势分析——基于citespace的文献计量［j］.宜宾学院学报,2021-07-09 16:28

[3] 于蒙,何文涛,周绪川,崔梦天,吴克奇,周文杰.推荐系统综述［j］.计算机应用,2021-09-23 17:44