基于流派的音乐推荐系统，使用卷积递归神经网络

随着可以从移动设备访问的商业音乐流媒体服务，数字音乐的可用性相较于之前的时代显得十分丰富。整理这些数字音乐是一项非常耗时且会导致信息疲劳的工作。因此，开发一个能够自动在音乐库中搜索并向用户推荐合适歌曲的音乐推荐系统非常有用。通过使用音乐推荐系统，音乐提供商可以根据用户之前听过的音乐特征来预测并提供适合的歌曲。我们的研究旨在开发一个可以基于音频信号特征相似性进行推荐的音乐推荐系统。本研究使用卷积递归神经网络（CRNN）进行特征提取，并使用相似度距离来判断特征之间的相似性。本研究的结果表明，用户更倾向于考虑音乐流派的推荐，而不是仅仅基于相似性的推荐。