名列表。事实上，现有的推荐系统只关注的音乐文件的评级，忽略了音乐文件的内容，这是直接相关的信息和音乐类型导致的。另一方面，本文推荐系统关注的不仅是音乐文件的评级，而且还关注音乐类型和分布在不同音乐类型的音乐文件评级信息如何。这两个特点有效地组织了推荐系统混合级联形式。此外，这种级联形式使得由两个相应的条件MAE和RS对齐的评级和质量最优排名名单预测更准确。
6结论和前景展望
本文中，开发了通过移动业务实现接入数字音频音乐的移动音乐推荐系统固件。具体地说，音乐文件推荐系统融合了基于内容的系统过滤技术和移动技术推荐方法。因此，赋予移动用户通过他她的手机发送简单的示例音乐文件进行音频音乐查询的能力。推荐系统能够依据用户先前的选项和通过协同过滤技术诊断的其他用户的个人喜好来推荐给用户相同类型的音乐。本系统推荐方法与其他三种推荐方法进行了对比测试，分别是：CF皮尔逊相关系数作为基准，CF的个性诊断法和混合音乐类型分类与皮尔逊优先系数结合法。它的性
f能按照MAE和RS标准进行了评估。按照这两个评估标准，系统展现出更高的性能。当前和未来在这一领域的研究遵循设计和实现第一级有效分类推荐处理分类器。其他更重要的相关研究工作是扩充多媒体应用比音乐数据的收集。这并不影响我们的一般方法，我们更需要我们的方法适应其他标准（EG来至MPEG7标准）和适应除音频以外的其他类型相关数据分类器。这些和其他一些相关工作正在进行，研究结果在不远的将来会在其他地方报道。
fr