1.2 本课题的基本内容（重点，难点）

1.2.1 本课题的基本内容

本课题的题目是基于用户偏好的娱乐项目推介系统的设计与实现，通过这个系统，能够对用户的搜索浏览进行分析，然后向用户提供属于每一个用户的偏好娱乐项目，提升用户的体验度，确保信息的合理分配。

例如在网易云音乐这个网站上做用户偏好的娱乐项目推介，第一步，是需要获取用户信息，通过网页或者API爬取想要得到的信息。第二步，将爬下来的信息导入到Excel表格中进行储存。第三步，创建数据库。第四步，编写算法。第五步，就是进行测试，来检验设计的合理性和算法的准确性，分别对可结果的准确性，召回率，F1值进行评价。

在网页上，爬数据，根据用户的评价，利用皮尔逊相关度评价算法生成2个推荐的音乐，爬虫的方法及操作，以及分析爬到的数据，并进行推荐是本课题研究的主要内容。

1.2.2 本课题的重点

本课题的重点是用户数据的爬取，爬取的信息量巨大，并且爬取的信息不单一，需要爬取不同种类的信息。

建立数据库，把信息放进去，并列表分析这些数据中有用的信息，将他们挑选出来，这里需要用到一些其他的技术。

建立合适的模型，适合这个操作。

此外，算法的设计并不单一，需要设计多种算法，在运行时，在多种算法中选择适用的算法进行操作。

在设计完这一系列的实验后，还需要对程序的合理性和准确性进行测试，测试需要的一定条件和环境。

1.2.3 本课题的难点

难点是模型的建立和算法的设计，因为课题和爬取内容之间的复杂性，需要采用多个算法，这是难点。以外，在校内课程中，只学习过MATLAB编程，虽然python也是热点的编译软件，但我是第一次接触，对于PYTHON知之甚少，所以要从从头开始学习关于Python的知识，开始入门，这是一个循序渐进的过程，需要花费一定的时间，才能开始关于本课题的编程。此外，关于一些算法的研究，也是难点，在算法的选择中存在着很多的可能，选用算法的方法，直接影响着未来做的推荐平台的推荐好坏，正确度等，其中牵扯到很多关于数学的知识，包括平方差，求和等。关于模型，是在算法之前，先要确定好模型，再去研究算法，所以每一步都是很关键的。

1.3 采取的手段

1.3.1 步骤

第一步是获取用户信息，这需要数据挖掘技术来抓取用户信息。 需要抓取的信息包括歌曲的标题，歌手，所属专辑以及其所属专辑的封面。

第二步，是获取对应用户网易云的信息。

第三步，将爬取的信息放入数据库中，进行设计。

第四步，编写算法，在众多的算法中，选择合适的算法，现如今，应用较为广泛，而更成熟的算法则基于协同过滤算法和组合推荐算法。

第五步，制作界面，设计登录表单，注册表单等，在考虑正确性的前提下，要做到美观。

第六步，测试运行。      

第二章 国内外发展

2.1发展情况

2.1.1 国内外发展趋势

近年来，不仅仅是一些娱乐网站，在一些购物网站，新闻网站，我们都能切身体会到用户偏好推介系统带来的便利，比如国内淘宝，经常会在主页上推荐经常访问物品的偏好推荐，可见用户偏好推介系统的应用相当的广泛，并且在未来具有很大的上升空间，必然会成为国内外热点的技术，以达到更加人性化，准确化的服务，找到每个用户的兴趣点，并准确推荐，用户能享受到高质量的服务，开发商也能从中获利，推动了经济和科技的发展，必然不断的创新进步。就我此次研究的音乐网站网易云来说，其实很多的音乐网站，不单单是网易云，国外的网站Pandora和last.fm是音乐推荐的最早期的代表，前者Pandora音乐网站是根据音乐的特征，即根据音乐的属性，其速度，节奏，音频等，将他们都量化成具体的数字，然后进行对比，将相似度高的都集中在一起，向用户推荐通过量化处理过的相似音乐。而后者是根据用户的下载量和收藏行为的分析，将若干喜欢同样歌曲的用户集中在一起，并将相似的用户所喜欢的歌曲推荐给需要的用户。相比较国内的音乐推荐，比较同期的国外网站，国内则发展较为缓慢，但现如今，经过科技的高速发展，很多很好的音乐网站的推介系统都发展的很好，比如虾米，酷狗，网易云等等。在虾米网上注册用户，并成为会员之后，会让注册的用户选择至少5位用户喜欢并感兴趣的歌手，把他们收藏起来，用用户所选择的这些歌手进行推测，用户对于哪些歌手感兴趣，对哪种歌手的曲风喜爱，用这些来确定后台将推荐给用户收听的歌曲。此外，用户还能够从大家的推荐中找出自己要听的歌曲，并且能够从与自己有同样喜好的用户好友中寻找出自己喜欢的音乐。