1. 研究目的与意义
互联网时代，各类网站提供成千上万的歌曲，满足了人们对音乐的需求，带来了极大的方便，同时数字信息信息飞速的发展也带来了弊端，信息过载。
面对海量的音乐，人们想找到适合自己的歌曲便显得很吃力。
个性化音乐推荐系统便应运而生。
2. 研究内容和预期目标
研究内容：本文将针对如何对音乐进行情感分析，从音频，歌词和内容三个角度进行剖析，以及后期针对不同的音乐实现了情感分析，进而如何进行个性化的推荐，将会用算法进行针对的剖析。
对于个性化方向，需要从两个维度。
一个是音乐的种类，从语言还有曲风方面，进行整合。
3. 国内外研究现状
国内研究现状从情感分析角度，曲浥尘从内容角度，进行了音乐的情感分析，主要是用多音轨特征提取音乐的情感走向，将音乐分成三个高中低走向，实验效果比较明显，成功率较高。
为了弥补简单的内容分析的缺陷，邵曦，陶凯云又对歌词部分进行进一步的深入附加研究，利用CHI 特征选择算法和潜在语义分析( LSA) 对歌词进行降维处理，有效去除了噪声，提高了分类效率。
针对多模态融合问题，在传统的LFSM 融合方法的基础上，提出了改进的LFSM 融合方法。
4. 计划与进度安排
2022年11月15日至2022年11月30日：撰写、提交、修改开题报告2022年12月1日至2022年3月26日：撰写毕业论文初稿及、中期检查表并提交2022年3月27日至2022年4月16日：论文中期检查2022年4月17日至2022年5月7日：修改论文并提交修改稿（二稿、三稿），提交外文文献及译稿2022年5月8日至2022年5月21日：重复率检查、提交定稿2022年5月22日至2022年6月18日：答辩
5. 参考文献
[1] 邵曦.基于音乐内容和歌词的音乐情感分类研究[D].南京：南京邮电大学通信与信息工程学院，2015 [2]胡冰洁.基于特征向量的音乐情感分析的研究[D]. 西安：西安电子科技大学，2014[3] 毋亚男，刘德然，许小可.基于双向情感分析的实时性[J].大连民族大学学报，2017，19(1)：76-79[4]曲浥尘.基于内容的个人音乐情感分析模型[D].上海：上海交通大学，2013[5] 程一峰.基于TF_IDF的音频和歌词特征融合模型的音乐情感分析研究[D].重庆：重庆大学，2012[6] 叶西宁，王猛.音乐个性化推荐算法 TFPMF 的研究[J].系统仿真学报，2018,1（1）：1-12[7] 胡昌平，查梦娟 ，石宇.融合个体兴趣与群体认知的音乐个性化推荐模型[A]信息资源管理学报，2018,2（1）,97-113[8] 郭瑞兴.基于偏正有向图的个性化音乐推荐算法的研究与实现[D].北京：北京邮电大学，2017[9] 谢宛辰.基于领域本体的个性化音乐推荐系统的设计与实现[D].浙江：浙江大学，2016[10] 孔云.基于混合模式的个性化音乐推荐系统的研究与实现[D]武汉：华中师范大学，2016 [11] 金玉.基于MUSICXML的音乐个性化推荐系统[D]吉林：吉林大学软件学院，2015[12] 邓腾飞.个性化音乐推荐系统的研究[D]广州：华南理工，2018 [13] Approximate maximum likelihood estimation of the autologistic model[J] . Marco Bee,Giuseppe Espa,Diego Giuliani.Computational Statistics and Data Analysis . 2014.[14] Exploring user emotion in microblogs for music recommendation[J] . Shuiguang Deng,Dongjing Wang,Xitong Li,Guandong Xu.Expert Systems With Applications . 2015 (23).[15] Hevner K.Expression in music:a discussion of experimental studies and theories[J].Psychological Review,1935,42(2)：186.
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
