文件名称：RNN-music-recommender:基于顺序内容的推荐系统
文件大小：7.16MB
文件格式：ZIP
更新时间：2024-03-31 11:59:37
系统开源
最佳播放列表不仅仅是歌曲集 您是否曾经制作过播放列表或混音带，却无法按顺序放置歌曲？ 也许我们可以从不同的Spotify用户那里学到什么才是一个好的播放列表。 最佳播放列表的流量很好。 考虑到他们具有相同的音轨和技术才能，这就是将好的DJ与坏的DJ分开的原因。 积累和分解会带来有趣的体验，而不仅仅是挑选与上一首最相似的歌曲。 解决方案 深度顺序内容优化或“ DISCO” 使用递归神经网络订购建议。 该项目的主要重点是基于内容的算法，该算法将位于协作过滤层的顶部。 关键概念 推荐系统 序列学习 递归神经网络 计算音乐理论 科技类 Spotify API 凯拉斯 密谋 目录-重点 pipeline.ipynb-这是一种在运行中具有完整转换和预测流水线以构建播放列表的算法。 /cloud/model.ipynb-RNN在Amazon SageMaker上进行了培训 /data-wrang
【文件预览】：
RNN-music-recommender-master
----scalers()
--------yeo_johnson.pkl(1007B)
--------std_scaler.pkl(766B)
--------pca.pkl(1KB)
----data-wrangling()
--------Data Cleaning.ipynb(111KB)
--------data_gathering.ipynb(57KB)
--------data-preprocess.md(180B)
--------Feature Engineering.md(2KB)
--------preprocessing.ipynb(866KB)
--------Reward Function.ipynb(13KB)
--------featured-playlists.ipynb(39KB)
----images()
--------tempo_similarity.png(41KB)
--------tempo_ratio_contour.gif(56KB)
--------many-to-one.png(174KB)
--------tempo_2d_simple.png(100KB)
--------tempo_circle_one_dimension.png(239KB)
--------architecture.png(1.26MB)
--------song_selection.png(22KB)
--------rnn_instance.png(1.67MB)
--------song_selection_u.png(22KB)
--------distplot.png(13KB)
--------circle-of-fifths.jpg(168KB)
--------heatmap.png(30KB)
--------playlist_path_example.png(76KB)
--------circle.jpg(2.87MB)
----README.md(8KB)
----cloud()
--------model.ipynb(9KB)
--------model.h5(45KB)
----Pipeline.ipynb(54KB)